@article{WojcikBrinkmannZduneketal.2020,
  author    = {Wojcik, Michal and Brinkmann, Pia and Zdunek, Rafał and Riebe, Daniel and Beitz, Toralf and Merk, Sven and Cieslik, Katarzyna and Mory, David and Antonczak, Arkadiusz},
  title     = {Classification of copper minerals by handheld laser-induced breakdown spectroscopy and nonnegative tensor factorisation},
  series = {Sensors},
  volume    = {20},
  journal   = {Sensors},
  number    = {18},
  publisher = {MDPI},
  address   = {Basel},
  issn      = {1424-8220},
  doi       = {10.3390/s20185152},
  pages     = {17},
  year      = {2020},
  abstract  = {Laser-induced breakdown spectroscopy (LIBS) analysers are becoming increasingly common for material classification purposes. However, to achieve good classification accuracy, mostly noncompact units are used based on their stability and reproducibility. In addition, computational algorithms that require significant hardware resources are commonly applied. For performing measurement campaigns in hard-to-access environments, such as mining sites, there is a need for compact, portable, or even handheld devices capable of reaching high measurement accuracy. The optics and hardware of small (i.e., handheld) devices are limited by space and power consumption and require a compromise of the achievable spectral quality. As long as the size of such a device is a major constraint, the software is the primary field for improvement. In this study, we propose a novel combination of handheld LIBS with non-negative tensor factorisation to investigate its classification capabilities of copper minerals. The proposed approach is based on the extraction of source spectra for each mineral (with the use of tensor methods) and their labelling based on the percentage contribution within the dataset. These latent spectra are then used in a regression model for validation purposes. The application of such an approach leads to an increase in the classification score by approximately 5\% compared to that obtained using commonly used classifiers such as support vector machines, linear discriminant analysis, and the k-nearest neighbours algorithm.},
  language  = {en}
}
@phdthesis{Brinkmann2022,
  author    = {Brinkmann, Pia},
  title     = {Laserinduzierte Breakdownspektroskopie zur qualitativen und quantitativen Bestimmung von Elementgehalten in geologischen Proben mittels multivariater Analysemethoden am Beispiel von Kupfer und ausgew{\"a}hlten Seltenen Erden},
  doi       = {10.25932/publishup-57212},
  url       = {http://nbn-resolving.de/urn:nbn:de:kobv:517-opus4-572128},
  school      = {Universit{\"a}t Potsdam},
  pages     = {148},
  year      = {2022},
  abstract  = {Ein schonender Umgang mit den Ressourcen und der Umwelt ist wesentlicher Bestandteil des modernen Bergbaus sowie der zuk{\"u}nftigen Versorgung unserer Gesellschaft mit essentiellen Rohstoffen. Die vorliegende Arbeit besch{\"a}ftigt sich mit der Entwicklung analytischer Strategien, die durch eine exakte und schnelle Vor-Ort-Analyse den technisch-praktischen Anforderungen des Bergbauprozesses gerecht werden und somit zu einer gezielten und nachhaltigen Nutzung von Rohstofflagerst{\"a}tten beitragen. Die Analysen basieren auf den spektroskopischen Daten, die mittels der laserinduzierten Breakdownspektroskopie (LIBS) erhalten und mittels multivariater Datenanalyse ausgewertet werden. Die LIB-Spektroskopie ist eine vielversprechende Technik f{\"u}r diese Aufgabe. Ihre Attraktivit{\"a}t machen insbesondere die M{\"o}glichkeiten aus, Feldproben vor Ort ohne Probennahme oder ‑vorbereitung messen zu k{\"o}nnen, aber auch die Detektierbarkeit s{\"a}mtlicher Elemente des Periodensystems und die Unabh{\"a}ngigkeit vom Aggregatzustand. In Kombination mit multivariater Datenanalyse kann eine schnelle Datenverarbeitung erfolgen, die Aussagen zur qualitativen Elementzusammensetzung der untersuchten Proben erlaubt. Mit dem Ziel die Verteilung der Elementgehalte in einer Lagerst{\"a}tte zu ermitteln, werden in dieser Arbeit Kalibrierungs- und Quantifizierungsstrategien evaluiert. F{\"u}r die Charakterisierung von Matrixeffekten und zur Klassifizierung von Mineralen werden explorative Datenanalysemethoden angewendet. Die spektroskopischen Untersuchungen erfolgen an B{\"o}den und Gesteinen sowie an Mineralen, die Kupfer oder Seltene Erdelemente beinhalten und aus verschiedenen Lagerst{\"a}tten bzw. von unterschiedlichen Agrarfl{\"a}chen stammen. F{\"u}r die Entwicklung einer Kalibrierungsstrategie wurden sowohl synthetische als auch Feldproben von zwei verschiedenen Agrarfl{\"a}chen mittels LIBS analysiert. Anhand der Beispielanalyten Calcium, Eisen und Magnesium erfolgte die auf uni- und multivariaten Methoden beruhende Evaluierung verschiedener Kalibrierungsmethoden. Grundlagen der Quantifizierungsstrategien sind die multivariaten Analysemethoden der partiellen Regression der kleinsten Quadrate (PLSR, von engl.: partial least squares regression) und der Intervall PLSR (iPLSR, von engl.: interval PLSR), die das gesamte detektierte Spektrum oder Teilspektren in der Analyse ber{\"u}cksichtigen. Der Untersuchung liegen synthetische sowie Feldproben von Kupfermineralen zugrunde als auch solche die Seltene Erdelemente beinhalten. Die Proben stammen aus verschiedenen Lagerst{\"a}tten und weisen unterschiedliche Begleitmatrices auf. Mittels der explorativen Datenanalyse erfolgte die Charakterisierung dieser Begleitmatrices. Die daf{\"u}r angewendete Hauptkomponentenanalyse gruppiert Daten anhand von Unterschieden und Regelm{\"a}ßigkeiten. Dies erlaubt Aussagen {\"u}ber Gemeinsamkeiten und Unterschiede der untersuchten Proben im Bezug auf ihre Herkunft, chemische Zusammensetzung oder lokal bedingte Auspr{\"a}gungen. Abschließend erfolgte die Klassifizierung kupferhaltiger Minerale auf Basis der nicht-negativen Tensorfaktorisierung. Diese Methode wurde mit dem Ziel verwendet, unbekannte Proben aufgrund ihrer Eigenschaften in Klassen einzuteilen. Die Verkn{\"u}pfung von LIBS und multivariater Datenanalyse bietet die M{\"o}glichkeit durch eine Analyse vor Ort auf eine Probennahme und die entsprechende Laboranalytik weitestgehend zu verzichten und kann somit zum Umweltschutz sowie einer Schonung der nat{\"u}rlichen Ressourcen bei der Prospektion und Exploration von neuen Erzg{\"a}ngen und Lagerst{\"a}tten beitragen. Die Verteilung von Elementgehalten der untersuchten Gebiete erm{\"o}glicht zudem einen gezielten Abbau und damit eine effiziente Nutzung der mineralischen Rohstoffe.},
  language  = {de}
}