Strojno učenje za analizo zgodovinskega PVC

Raziskovalci iz Laboratorija za dediščinsko znanost Ljubljana so uspešno uporabili algoritme strojnega učenja pri razvoju računalniških modelov za identifikacijo in kvantifikacijo mehčal v predmetih iz PVC. Ta pionirska študija dokazuje, da je možna nedestruktivna analiza mehčal v razgrajenih PVC objektih iz realnih zgodovinskih zbirk. Mehčala imajo ključno vlogo pri razgradnji PVC-ja, zato študija zagotavlja dragocene podatke za upravljavce zbirk.

Raziskava je bila objavljena v reviji Nature’s Scientific Reports (https://www.nature.com/articles/s41598-022-08862-1).

Raziskovalci so z uporabo IR spektroskopije in kromatografije analizirali obsežno zbirko več kot 100 zgodovinskih in sodobnih predmetov iz PVC. Predmeti so se razlikovali po vrsti in vsebnosti mehčal, debelini, prisotnosti polnil, stabilizatorjev, stopnji razgradnje in zgodovini skladiščenja predmetov, zato veljajo za reprezentativne predmete v dediščinskih zbirkah. Rezultati tega dela kažejo na štiri pomembne ugotovitve:

  • Vzpostavljen je bil dober klasifikacijski model za identifikacijo štirih mehčal: DEHP, DOTP, DINP, DIDP, mešanico DINP in DIDP ter PVC brez mehčal.
  • Izdelani so bili uspešni regresijski modeli za DEHP in DOTP, najpogostejši mehčali, ki jih najdemo v naši zbirki sodobnih in zgodovinskih predmetov iz PVC.
  • Na splošno so bili klasifikacijski in regresijski modeli strojnega učenja, izdelani s spektri ATR FTIR, natančnejši in robustnejši od tistih, izdelanih z uporabo NIR spektrov.
  • Raziskan je bil vpliv numeričnega odvajanja spektrov na natančnost klasifikacije.
Slika 1: Shematski prikaz raziskovalne metodologije.

Več si lahko preberete v članku »Machine learning-assisted non-destructive plasticizer identification and quantification in historical PVC objects based on IR spectroscopy« katerega avtorji so Tjaša Rijavec, David Ribar, Jernej Markelj, Matija Strlič in Irena Kralj Cigić.