Evaluation of the mathematical Simpson's method for asbestos-cement de-tection in hyperspectral images
DOI:
https://doi.org/10.15665/rp.v23i2.3722Resumen
A partir del desafío existente en las imágenes hiperespectrales relacionado con la identificación de métodos eficaces y eficientes en la detección de materiales, ante la alta dimensionalidad asociada a las bandas espectrales, en este artículo se propone como aporte un nuevo método para la detección de asbesto en imágenes hiperespectrales, basado en la aplicación del método de Simpson para el cálculo del área bajo la curva de la firma espectral del asbesto-cemento y la diferencia entre áreas con pixeles de asbesto y de otros materiales. Para el desarrollo de la presente investigación, fueron definidas 5 fases metodológicas a saber: F1. Obtención de los pixeles de muestra de asbesto-cemento y de otros materiales, F2. Determinación del píxel característico normalizado de asbesto-cemento y su área bajo la curva, F3. Implementación del método e identificación de los umbrales de detección con pixeles de asbesto y de otros materiales. F4. Despliegue del método sobre la imagen hiperespectral de referencia, F5. Evaluación de la eficacia y la eficiencia del método con respecto al método de la correlación. A nivel de los resultados, se obtuvo que el método propuesto obtuvo una mayor efectividad para la detección de asbesto-cemento entre las bandas 48 y 157. Del mismo modo, se obtuvo que a nivel computacional, el método propuesto es 1.79% más eficiente que el método de la correlación, el cual es uno de los más difundidos en la detección de materiales en imágenes hiperespectrales. A partir de los resultados obtenidos, el método propuesto puede servir de referencia para ser extrapolado en la detección de otros materiales en estas imágenes, así como ser integrado en sistemas de monitorización de materiales a partir de imágenes hiperespectrales.
Citas
R. Navalgund, V. Jayaraman, and P. S. Roy, “Remote sensing applications : An overview,” Curr. Sci., vol. 93, pp. 1747–1766, 2007.
J. Awange and J. Kiema, “Fundamentals of Remote Sensing,” 2019, pp. 115–123. doi: 10.1007/978-3-030-03017-9_7.
A. F. Jiménez-López, M. Jiménez-López, and F. R. Jiménez-López, “Multispectral analysis of vegetation for remote sensing applications,” ITECKNE, vol. 12, no. 2, Nov. 2015, doi: 10.15332/iteckne.v12i2.1242.
A. K. Torres Galindo, A. F. Gómez Rivera, and A. F. Jiménez López, “Desarrollo de un sistema multiespectral para aplicaciones en agricultura de precisión usando dispositivos embebidos,” Sist. y Telemática, vol. 13, no. 33, pp. 27–44, Jun. 2015, doi: 10.18046/syt.v13i33.2079.
A. N. Shiklomanov et al., “Enhancing global change experiments through integration of remote‐sensing techniques,” Front. Ecol. Environ., vol. 17, no. 4, pp. 215–224, May 2019, doi: 10.1002/fee.2031.
M. I. Abdulraheem, W. Zhang, S. Li, A. J. Moshayedi, A. A. Farooque, and J. Hu, “Advancement of Remote Sensing for Soil Measurements and Applications: A Comprehensive Review,” Sustainability, vol. 15, no. 21, p. 15444, Oct. 2023, doi: 10.3390/su152115444.
J. A. Strong and M. Elliott, “The value of remote sensing techniques in supporting effective extrapolation across multiple marine spatial scales,” Mar. Pollut. Bull., vol. 116, no. 1–2, pp. 405–419, Mar. 2017, doi: 10.1016/j.marpolbul.2017.01.028.
C. Colombero, C. Comina, and A. Godio, “Special Issue ‘Remote Sensing in Applied Geophysics,’” Remote Sens., vol. 12, no. 20, p. 3413, Oct. 2020, doi: 10.3390/rs12203413.
L. Gao and R. T. Smith, “Optical hyperspectral imaging in microscopy and spectroscopy - a review of data acquisition,” J. Biophotonics, vol. 8, no. 6, pp. 441–456, Jun. 2015, doi: 10.1002/jbio.201400051.
J. Burger and A. Gowen, “Data handling in hyperspectral image analysis,” Chemom. Intell. Lab. Syst., vol. 108, no. 1, pp. 13–22, Aug. 2011, doi: 10.1016/j.chemolab.2011.04.001.
G. Lu and B. Fei, “Medical hyperspectral imaging: a review,” J. Biomed. Opt., vol. 19, no. 1, p. 010901, Jan. 2014, doi: 10.1117/1.JBO.19.1.010901.
A. A. Gowen, “Near Infrared Hyperspectral Image Analysis Using R. Part 2: Working with Hypercubes,” NIR news, vol. 25, no. 3, pp. 17–19, May 2014, doi: 10.1255/nirn.1437.
Chein-I Chang, “An information-theoretic approach to spectral variability, similarity, and discrimination for hyperspectral image analysis,” IEEE Trans. Inf. Theory, vol. 46, no. 5, pp. 1927–1932, 2000, doi: 10.1109/18.857802.
R. M. Willett, M. F. Duarte, M. A. Davenport, and R. G. Baraniuk, “Sparsity and Structure in Hyperspectral Imaging : Sensing, Reconstruction, and Target Detection,” IEEE Signal Process. Mag., vol. 31, no. 1, pp. 116–126, Jan. 2014, doi: 10.1109/MSP.2013.2279507.
Abhinav, A. J. S, and S. Singh, “Spectral Signature Analysis of Land Sat TM Images for Improved Hyper Spectral Image Analysis,” in 2024 International Conference on Optimization Computing and Wireless Communication (ICOCWC), IEEE, Jan. 2024, pp. 1–6. doi: 10.1109/ICOCWC60930.2024.10470851.
G. Bonifazi, G. Capobianco, and S. Serranti, “Asbestos containing materials detection and classification by the use of hyperspectral imaging,” J. Hazard. Mater., vol. 344, pp. 981–993, Feb. 2018, doi: 10.1016/j.jhazmat.2017.11.056.
G. Bonifazi, G. Capobianco, and S. Serranti, “Hyperspectral imaging applied to the identification and classification of asbestos fibers,” in 2015 IEEE SENSORS, IEEE, Nov. 2015, pp. 1–4. doi: 10.1109/ICSENS.2015.7370458.
G. Bonifazi, G. Capobianco, and S. Serranti, “Hyperspectral Imaging and Hierarchical PLS-DA Applied to Asbestos Recognition in Construction and Demolition Waste,” Appl. Sci., vol. 9, no. 21, p. 4587, Oct. 2019, doi: 10.3390/app9214587.
G. Bonifazi, G. Capobianco, S. Serranti, S. Malinconico, and F. Paglietti, “ASBESTOS DETECTION IN CONSTRUCTION AND DEMOLITION WASTE ADOPTING DIFFERENT CLASSIFICATION APPROACHES BASED ON SHORT WAVE INFRARED HYPERSPECTRAL IMAGING,” Detritus, no. 20, pp. 90–99, Aug. 2022, doi: 10.31025/2611-4135/2022.15211.
C. Bassani et al., “Deterioration status of asbestos-cement roofing sheets assessed by analyzing hyperspectral data,” Remote Sens. Environ., vol. 109, no. 3, pp. 361–378, Aug. 2007, doi: 10.1016/j.rse.2007.01.014.
S. Pascucci, C. Bassani, L. Fusilli, and A. Palombo, “Evaluation of a hyperspectral scanner allowing for deterioration status assessment of asbestos-cement roofing sheets,” M. Ehlers and U. Michel, Eds., Oct. 2007, p. 67490V. doi: 10.1117/12.739079.
W. Dong, C. Zhou, F. Wu, J. Wu, G. Shi, and X. Li, “Model-Guided Deep Hyperspectral Image Super-Resolution,” IEEE Trans. Image Process., vol. 30, pp. 5754–5768, 2021, doi: 10.1109/TIP.2021.3078058.
W. Yu, M. Zhang, and Y. Shen, “Spatial Revising Variational Autoencoder-Based Feature Extraction Method for Hyperspectral Images,” IEEE Trans. Geosci. Remote Sens., vol. 59, no. 2, pp. 1410–1423, Feb. 2021, doi: 10.1109/TGRS.2020.2997835.
D. Datta, P. K. Mallick, A. K. Bhoi, M. F. Ijaz, J. Shafi, and J. Choi, “Hyperspectral Image Classification: Potentials, Challenges, and Future Directions,” Comput. Intell. Neurosci., vol. 2022, pp. 1–36, Apr. 2022, doi: 10.1155/2022/3854635.
S. Li, W. Song, L. Fang, Y. Chen, P. Ghamisi, and J. A. Benediktsson, “Deep Learning for Hyperspectral Image Classification: An Overview,” IEEE Trans. Geosci. Remote Sens., vol. 57, no. 9, pp. 6690–6709, Sep. 2019, doi: 10.1109/TGRS.2019.2907932.
Z. Zulfiqar et al., “Enhancing Hyperspectral Image Analysis With Deep Learning: An Innovative Hybrid Approach for Improved Detection and Classification Using Deep-Detect,” IEEE Access, vol. 12, pp. 149272–149287, 2024, doi: 10.1109/ACCESS.2024.3475480.
R. J. Tallarida and R. B. Murray, “Area under a Curve: Trapezoidal and Simpson’s Rules,” in Manual of Pharmacologic Calculations, New York, NY: Springer New York, 1987, pp. 77–81. doi: 10.1007/978-1-4612-4974-0_26.
A. Basu and B. Dutta, “An Analytical Study of Alternative Method for Solving Lotka’s Law with Simpson’s 1/3 Rule,” J. Scientometr. Res., vol. 13, no. 2, pp. 466–474, Aug. 2024, doi: 10.5530/jscires.13.2.37.
Bes Hendi Rio Pardede, Bunga Diviya Kusfa, and Lauren Teresia Tamba, “Penerapan Metode Trapesium , Metode Simpson 1/3, dan Metode Simpson 3/8 Dalam Integrasi Numerik Menggunakan Software Matlab,” Pentagon J. Mat. dan Ilmu Pengetah. Alam, vol. 2, no. 4, pp. 24–31, Oct. 2024, doi: 10.62383/pentagon.v2i4.268.
M. Md. Moheuddin, M. Abdus Sattar Titu, and S. Hossain, “A New Analysis of Approximate Solutions for Numerical Integration Problems with Quadrature-based Methods,” Pure Appl. Math. J., vol. 9, no. 3, p. 46, 2020, doi: 10.11648/j.pamj.20200903.11.
G. E. Chanchí Golondrino, M. A. Ospina Alarcón, and M. Saba, “Vegetation Identification in Hyperspectral Images Using Distance/Correlation Metrics,” Atmosphere (Basel)., vol. 14, no. 7, p. 1148, Jul. 2023, doi: 10.3390/atmos14071148.
E. Algranti, E. M. C. Mendonça, E. M. DeCapitani, J. B. P. Freitas, H. C. Silva, and M. A. Bussacos, “Non‐malignant asbestos‐related diseases in Brazilian asbestos‐cement workers,” Am. J. Ind. Med., vol. 40, no. 3, pp. 240–254, Sep. 2001, doi: 10.1002/ajim.1095.
N. L. Durán-Ávila, J. R. Cañarte-Murillo, J. N. Zambrano-Murillo, and C. A. Ayón-Lucio, “Daño pulmonar causado por asbestos en trabajadores de la construcción,” CIENCIAMATRIA, vol. 7, no. 1, pp. 260–270, Aug. 2021, doi: 10.35381/cm.v7i1.529.
R. A. Accinelli and L. M. López, “Asbesto: la epidemia silenciosa,” ACTA MEDICA Peru., vol. 33, no. 2, p. 138, Aug. 2016, doi: 10.35663/amp.2016.332.64.
R. C. Gonzalez and R. E. Woods, Digital Image Processing. Harlow: Pearson Education, 2018. doi: 10.1201/9781003002826-2.
J. A. Richards, Remote Sensing Digital Image Analysis. Cham: Springer International Publishing, 2022. doi: 10.1007/978-3-030-82327-6.
A. Bhargava, A. Sachdeva, K. Sharma, M. H. Alsharif, P. Uthansakul, and M. Uthansakul, “Hyperspectral imaging and its applications: A review,” Heliyon, vol. 10, no. 12, p. e33208, 2024, doi: 10.1016/j.heliyon.2024.e33208.
Y. E. García-Vera, A. Polochè-Arango, C. A. Mendivelso-Fajardo, and F. J. Gutiérrez-Bernal, “Hyperspectral Image Analysis and Machine Learning Techniques for Crop Disease Detection and Identification: A Review,” Sustainability, vol. 16, no. 14, p. 6064, Jul. 2024, doi: 10.3390/su16146064.
H. Sabah Jaber and .., “Classification of Hyperspectral Remote Sensing for Production Minerals Mapping Using Geological Map and Geomatics Techniques,” Int. J. Eng. Technol., vol. 7, no. 4.20, pp. 480–484, Nov. 2018, doi: 10.14419/ijet.v7i4.20.26247.
S. J. Hussein and Z. Fakhri Merzah, “Analysis of Hyperspectral Remote Sensing Images for Extraction Geological Rock Types Maps by Geospatial Techniques,” IOP Conf. Ser. Mater. Sci. Eng., vol. 901, no. 1, p. 012016, Aug. 2020, doi: 10.1088/1757-899X/901/1/012016.
Descargas
Publicado
Número
Sección
Licencia
Derechos de autor 2025 Gabriel Elías Chanchí Golondrino, Manuel Alejandro Ospina Alarcón, Manuel Saba
Esta obra está bajo una licencia internacional Creative Commons Atribución-NoComercial-SinDerivadas 4.0.
Los autores/as que publiquen en esta revista aceptan las siguientes condiciones:
- Los autores/as ceden los derechos de autor y dan a la revista el derecho de la primera publicación, con el trabajo registrado con la licencia de atribución de Creative Commons, que permite a terceros utilizar lo publicado siempre que mencionen la autoría del trabajo y a la primera publicación en esta revista.
- Los autores/as pueden realizar otros acuerdos contractuales independientes y adicionales para la distribución no exclusiva de la versión del artículo publicado en esta revista (p. ej., incluirlo en un repositorio institucional o publicarlo en un libro) siempre que indiquen claramente que el trabajo se publicó por primera vez en esta revista.
- Se permite y recomienda a los autores/as a publicar su trabajo en Internet (por ejemplo en páginas institucionales o personales) antes y durante el proceso de revisión y publicación, ya que puede conducir a intercambios productivos y a una mayor y más rápida difusión del trabajo publicado (vea The Effect of Open Access).
Instrucciones para el llenado de la Certificación de Originalidad y la Cesión de Derechos de Autor.
- Haga click aquí y baje el formulario de Certificación de Originalidad y la Cesión de Derechos de Autor.
- En cada uno de los campos para rellenar haga click y complete lo correspondiente.
- Una vez llenos los campos, copie al final su firma escaneada o firma digital. Favor ajustar el tamaño de la firma en el formulario.
- Finalmente, lo puede guardar como pdf y enviarlo a través de la palataforma OJS, como archivo complementario.
Si tiene dudas contáctenos, por favor.
