GEMTELLIGENCE: Beschleunigung der Edelstein-Klassifizierung mit Deep Learning – Kommunikationstechnik

GEMTELLIGENCE: Beschleunigung der Edelstein-Klassifizierung mit Deep Learning – Kommunikationstechnik

In diesem Abschnitt präsentieren wir die Ergebnisse von GEMTELLIGENCE für die beiden anspruchsvollen Aufgaben der Ursprungsbestimmung (OD) und der Behandlungserkennung (TD) von blauen Saphiren. Blauer Saphir ist eine Art Korund, Al2O3, mit einem blauen Farbton, der durch das Vorhandensein von Spuren von Fe und Ti verursacht wird. Unser Fokus auf Saphiren ergibt sich aus zwei Hauptfaktoren. Erstens wird allgemein anerkannt, dass die genaue OD bei Saphiren schwieriger ist als bei anderen Edelsteinen. Zweitens wurde die TD von Saphiren nicht so umfassend erforscht wie bei anderen Edelsteinen wie Rubin. Zunächst stellen wir die Aufgaben, Datensätze, Schulungs- und Testpipelines vor. Dann bewerten wir die Leistung von GEMTELLIGENCE bei der Verarbeitung verschiedener multimodaler Daten durch verschiedene Ablationsstudien und im Vergleich zu menschlichen Experten. Zusätzliche Experimente werden ebenfalls in den begleitenden Hinweisen 1, 3, 4 und 8 präsentiert.

Die Ursprungsbewertung kann als eine Klassifizierungsaufgabe betrachtet werden: Basierend auf den Laboruntersuchungen eines bestimmten Edelsteins soll das Ziel bestimmt werden, ob seine geografische Herkunft aus einer diskreten Gruppe von Kandidaten stammt. Dies wird traditionell erreicht, indem das Muster der gemmologischen Eigenschaften des unbekannten Steins mit den Mustern der Eigenschaften verglichen wird, die bei Edelsteinen aus bekannten Ursprüngen beobachtet werden, die in der Regel als Referenzproben bezeichnet werden. Die Hauptursprünge für hochwertige blaue Saphire sind Kashmir, Burma/Myanmar, Sri Lanka und Madagaskar. Um festzustellen, ob eine Obebehandlung. Unsere Daten umfassen über 5500 Messdatensätze von blauen Saphiren, die über einen Zeitraum von sieben Jahren vom Gübelin Gem Lab erhalten wurden. Etwa die Hälfte der verfügbaren Steine wurde umfassend bewertet, wobei für jeden Stein zwei optische und zwei chemische spektroskopische Messungen (UV, FTIR, XRF und ICP-MS) verfügbar waren.

Unsere Ergebnisse zeigen, dass GEMTELLIGENCE für eine beträchtliche Anzahl von Edelsteinen gemmologische Analysen automatisieren kann und dabei vergleichbare oder sogar höhere Genauigkeitsniveaus erreicht. Dies ist bemerkenswert, da in professionellen Edelsteinlabors, die sich an bewährte Praxisstandards halten müssen, die für die Bewertung der Rohanalyse aufgewendete Zeit erheblich ist. Die Ergebnisse des Experiments legen nahe, dass je nach spezifischem Anwendungsfall der Grad der Automatisierung und die Genauigkeit der Prognosen einen erheblichen Einfluss auf die Arbeitsbelastung der Gemmologen und den Wert der Steine haben können. Je nach spezifischem Anwendungsfall kann es vorteilhaft sein, die Automatisierung gegenüber der Genauigkeit zu priorisieren. Unsere Modelle bieten verschiedene Trade-offs zwischen Automatisierung und Genauigkeit, die nützlich sein können, um die Arbeitsbelastung und den Wert von Steinen zu optimieren. Darüber hinaus präsentieren wir in den begleitenden Hinweisen zwei praktische Beispiele für die Verwendung von GEMTELLIGENCE neben der Expertenanalyse zur Charakterisierung von zwei Steinen unbekannter Herkunft.