Classificazione dei materiali con NIRLAB: prodotti contraffatti? originali o no?
Classificazione dei materiali con NIRLAB 
Gli algoritmi di classificazione, combinati con la spettroscopia NIR, possono essere applicati a una vasta gamma di problemi del mondo reale in cui distinguere tra le categorie è fondamentale.
Prodotti contraffatti: originali o no?
Il rilevamento di prodotti contraffatti è un’applicazione in crescita della classificazione. La spettroscopia NIR può rivelare sottili differenze nella composizione chimica tra prodotti autentici e le loro controparti contraffatte. Questo potrebbe essere il caso, ad esempio, per la differenziazione di
- Vera pelle contro pelle sintetica “plastica” o
- Medicinali autentici contro medicinali contraffatti
Apprendendo da queste caratteristiche spettrali, un modello di classificazione può determinare in modo affidabile se un prodotto è autentico o contraffatto. Ad esempio, la spettroscopia NIR è stata utilizzata con successo per rilevare compresse di Viagra contraffatte, identificando le differenze nell’impronta chimica rispetto alle compresse originali. Per saperne di più, consulta il nostro articolo sul blog che discute la pubblicazione di Hervé Rais che utilizza la soluzione NIRLAB qui .
Materiali trattati vs materiali non trattati (legno, carta, plastica)
La spettroscopia NIR può anche distinguere tra materiali trattati e non trattati. I trattamenti chimici, come i conservanti nel legno o i plastificanti nelle materie plastiche, alterano i modelli di assorbimento nello spettro. I modelli di classificazione possono utilizzare queste caratteristiche per identificare, ad esempio:
- Legno o carta trattati o non trattati
- Frutta matura vs frutta acerba
- Differenziare i diversi tipi di polimeri
Questa capacità è particolarmente preziosa nelle applicazioni di riciclaggio ed economia circolare o per il controllo qualità, dove la corretta selezione dei materiali in base al loro trattamento o alla composizione chimica è essenziale per un riutilizzo sicuro ed efficace. Per saperne di più, consulta il nostro articolo sul riciclaggio della plastica: qui .
Conclusione
La classificazione nell’apprendimento automatico consiste nel tracciare confini tra categorie in base alle caratteristiche. In pratica, per NIRLAB questo significa identificare i segnali o i modelli che meglio distinguono una classe da un’altra, sfruttando gli spettri NIR.
Combinando conoscenze specifiche del settore, come la spettroscopia, con robusti algoritmi di classificazione, NIRLAB è in grado di affrontare un’ampia gamma di sfide del mondo reale, tra cui:
- Individuazione di prodotti contraffatti , come medicinali, prodotti di marca o articoli di lusso: >>> .
- Differenziare i materiali trattati da quelli non trattati , inclusi legno, carta, plastica o prodotti riciclati.
- Distinguere i prodotti a base di cannabis , ad esempio tra varietà a predominanza di THC e varietà a predominanza di CBD: >>> .
- Identificazione di ossa umane e animali in indagini forensi o archeologiche.
- Rilevamento di carburanti o liquidi contaminati , come ad esempio benzina adulterata.
- Smistamento dei tipi di plastica per il riciclaggio o il controllo qualità: >>> .
