详细内容或原文请订阅后点击阅览
NIST 发布 NIR-SORT 2.0：增强纺织原料识别的模型验证
美国国家标准与技术研究院 (NIST) 发布了 NIR-SORT 2.0，这是其光谱织物表征数据集的重大技术扩展。此更新提供了对于
来源:美国国家标准与技术研究院__材料信息美国国家标准与技术研究院 (NIST) 发布了 NIR-SORT 2.0，这是其光谱织物表征数据集的重大技术扩展。此更新提供了高保真“分子指纹”，对于自动纺织品识别系统中使用的分类模型的开发、基准测试和验证至关重要。原产地定义和真实世界纺织品的近红外光谱 (NIR-SORT) 2.0 可从 NIST 公共数据存储库以及材料数据框架下载。
开源、机器可读数据
鉴定收集的纺织品中的纤维含量通常依赖于近红外 (NIR) 光谱，这是一种检测化学键结构的快速、非侵入性技术。由于近红外光谱很复杂，因此需要分类模型来解释光谱特征并确定纤维成分。
这些模型的验证历来受到高质量、开放访问参考数据集可用性的限制。许多纺织品含有复杂或专有的混合物，这使得业界很难对用于对复杂纤维成分进行分类的机器学习和人工智能系统的性能进行基准测试。
NIR-SORT 1.0 通过提供精选的、机器可操作的数据集解决了这个问题。截至 2026 年 3 月，该数据集已支持 400 多个独特用户，其中包括寻求改进排序算法的行业利益相关者。
图片来源：Katarina Goodge
NIR-SORT 2.0 的技术增强
2.0 版显着增加了可用于模型训练和系统验证的样本多样性，特别针对原料纯度和混合物识别的挑战。