Use of autoencoders to improve the accuracy of thin-layer chromatography
Fragment książki (Rozdział monografii pokonferencyjnej)
MNiSW
20
Poziom I
| Status: | |
| Autorzy: | Kushnir Oleksandr, Olszewski Serge, Smolarz Andrzej, Lytvynenko Volodymyr I., Manzhula Volodymyr, Kulykovskyi Oleksandr |
| Dyscypliny: | |
| Aby zobaczyć szczegóły należy się zalogować. | |
| Wersja dokumentu: | Drukowana | Elektroniczna |
| Język: | angielski |
| Strony: | 1 - 7 |
| Scopus® Cytowania: | 0 |
| Bazy: | Scopus |
| Efekt badań statutowych | NIE |
| Materiał konferencyjny: | TAK |
| Nazwa konferencji: | Photonics Applications in Astronomy, Communications, Industry, and High Energy Physics Experiments 2025 |
| Skrócona nazwa konferencji: | SPIE-IEEE-PSP 2025 |
| URL serii konferencji: | LINK |
| Termin konferencji: | 3 lipca 2025 do 4 lipca 2025 |
| Miasto konferencji: | Lublin |
| Państwo konferencji: | POLSKA |
| Publikacja OA: | NIE |
| Abstrakty: | angielski |
| In thin-layer chromatography (TLC), chemical analysis results are typically obtained through organoleptic (visual) assessment. However, this conventional approach is characterized by low accuracy and poor reproducibility due to the subjectivity of human perception. To address these limitations, this study proposes enhancing the quality of quantitative TLC analysis by eliminating the human factor and applying machine-based analysis of TLC images. The paper presents the results of research on preprocessing methods for TLC images and the use of auto-decoders to automate the quantitative analysis process. Computational experiments demonstrate that employing auto-decoders for the segmentation of chromatographic track images can improve the accuracy of quantitative chemical analysis by a factor of four. |
