système automatisé d’identification
de particules aérosols

Use case

L’objectif est ici d’identifier différents aérosols à partir de jeux de mesures effectués par spectroscopie infrarouge.


Les mesures par spectroscopie infrarouge peuvent se résumer à une matrice 4 x 4 produites en temps réel, appelée matrice de Mueller, que la théorie classique des champs électromagnétiques définie comme une transformation de vecteurs de Stokes entre les champs électromagnétiques incidents et réfléchis.

Sans rentrer dans les détails, ces 16 valeurs offre une
« carte d’identité » de l’aérosol mesuré.

Spectroscopie-1

 

En injectant l’un après l’autre des aérosols connus dans une chambre de confinement et en stockant les données mesurées (unité de temps, valeurs et écarts types de la matrice de Mueller) on obtient un ensemble de données de référence que l’on scinde aléatoirement en deux parties distinctes, les ensembles d’apprentissage et de validation (NB: on ne pratique pas ici de training de type n-fold, ce n’est pas la peine). Un système dual de cartes auto-organisatrices de Kohonen (SOM) et réseau de neurones de type feed-forward identifie et classifie alors les aérosols à partir de ces mesures. La carte ci-dessous est une représentation des clusters de la SOM sur l’ensemble d’apprentissage (exemple avec 4 aérosols) :


Spectroscopie-2a
Spectroscopie-2b

 

 

La performance du système est alors évaluée en l’appliquant sur l’ensemble de validation – l’ensemble des mesures qui n’ont pas été utilisées lors de l’apprentissage :

 

Spectroscopie-3b
Spectroscopie-3a

 

On constate bien grâce à cette surimposition que la SOM identifie parfaitement les différents aérosols qui ne sont pas
dans son champ de connaissance ! Le système fournit par la technologie NEHOOV offre ainsi une méthode autonome, et automatisée temps de réel, d’identification des aérosols.