補完的なスペクトル表現と畳み込み強化パッチトランスフォーマーを用いた廃繊維の近赤外ハイパースペクトル分類
Near-Infrared Hyperspectral Classification of Waste Textiles Using Complementary Spectral Representations and a Convolution-Enhanced Patch Transformer
廃繊維の高付加価値リサイクルには正確な繊維組成の特定が必要だが、類似した混紡では近赤外吸収帯が重複し、クラス内変動が大きい。本研究では、291個の廃繊維サンプルを用い、生のスペクトルとSNV(SG)スペクトルを補完的な入力チャネルとして統合する畳み込み強化パッチトランスフォーマーであるConvPatchTSTを開発した。畳み込みパッチ埋め込みは局所的な連続吸収特徴を捉え、トランスフォーマーエンコーダーはバンド間の依存関係をモデル化する。958.5–1646.6 nmのスペクトルバンドがモデル学習と分析に選択された。単一ファブリックスワッチグループ化による内部学習・検証分割とピクセルレベル評価の下で、ConvPatchTSTは精度0.966、マクロF1スコア0.970を達成し、複数のベースラインモデルを上回った。生のスペクトルとSNV(SG)スペクトルの組み合わせ表現は、単一チャネル、3チャネル、および代替のデュアルチャネル入力を上回った。ペアワイズ分析により、4つの類似素材ペアに対して統計的に識別可能で、帰属度の高い区間が特定された。ポリエステル/ポリスポリプロピレンでは、1369.0–1379.6 nm付近の区間が明確な統計モデルの一致を示した。これらの結果は、補完的なスペクトル表現と畳み込み強化パッチモデリングが正確な分類をサポートし、モデル判断の解釈のためのバンドレベルの手がかりを提供することを示唆している。外部サンプル、バッチ、および機器への一般化にはさらなる検証が必要である。
- 畳み込みパッチ埋め込みとトランスフォーマーエンコーダーを組み合わせたConvPatchTSTを開発し、291個の廃繊維サンプルで精度0.966、マクロF1 0.970を達成、複数のベースラインモデルを上回った
- 生スペクトルとSNV(SG)スペクトルを補完的な入力チャネルとして統合する表現が、単一チャネル・3チャネル・代替デュアルチャネル入力を上回った
- 958.5–1646.6 nmのスペクトルバンドをモデル学習・分析用に選択し、ポリエステル/ポリプロピレンでは1369.0–1379.6 nm付近が統計的に明確なモデル一致区間として特定された
- 外部サンプル、バッチ、機器への一般化にはさらなる検証が必要と著者らが明記している
廃繊維リサイクルという地味な用途だが、近赤外ハイパースペクトル×Transformerで繊維組成を精度0.966で識別した研究は、AIによるマテリアル・リサイクル選別の自動化が実用水準に近づいていることを示す。着目すべきは291サンプルという小規模データでベースラインを上回り、さらにポリエステル/ポリプロピレンなど類似素材ペアで判別根拠となる波長帯(1369.0–1379.6 nm付近)まで特定した点で、スペクトル×AIの解釈性確保は選別装置・センサー事業の差別化要因になり得る。ただし外部サンプル・バッチ・機器への汎化検証が未了であり、現時点では学術段階の成果として、繊維リサイクル自動化やハイパースペクトルセンサー企業への投資判断材料としては依然「様子見」の位置づけと捉える。