స్నేజానా అగాటోనోవిక్-కుస్ట్రిన్ మరియు డేవిడ్ డబ్ల్యూ మోర్టన్
మొలస్క్ జాతులు, నాక్రే మందం, మెరుపు, ఉపరితలం, ఆకారం, రంగు మరియు ముత్యాల పరిమాణం వంటి విభిన్న లక్షణాల కలయికగా ముత్యాల నాణ్యత మరియు విలువ నిర్ణయించబడతాయి. ఒక పెర్ల్ గ్రేడర్ దృశ్య పరిశీలనలను లెక్కించాలి మరియు ముత్యానికి గ్రేడింగ్ స్థాయిని కేటాయించాలి. UV రిఫ్లెక్టెన్స్ స్పెక్ట్రా నుండి పెర్ల్ నాణ్యత పారామితులను అంచనా వేయడానికి కృత్రిమ న్యూరల్ నెట్వర్క్లను ఉపయోగించడం ద్వారా పెర్ల్ నాణ్యత యొక్క కొన్ని అంశాలను అంచనా వేయడంలో ఆత్మాశ్రయతను తగ్గించడం ఈ పని యొక్క లక్ష్యం. ముత్యాల గ్రేడ్ను అంచనా వేయడానికి UVVisible స్పెక్ట్రా యొక్క మల్టీలేయర్ పర్సెప్ట్రాన్ ANN మోడలింగ్ని ఉపయోగించిన మా మునుపటి మోడల్ యొక్క మంచి ఊహాజనితతను బట్టి, మేము స్పెక్ట్రల్ ఇన్పుట్ను UVకి మాత్రమే తగ్గించడం ద్వారా మరియు వర్గీకరణ న్యూరల్ నెట్వర్క్ మోడలింగ్ని ఉపయోగించడం ద్వారా మోడల్ను సరళీకృతం చేసి మెరుగుపరచాలనుకుంటున్నాము. UV కాంతి కనిపించే కాంతి కంటే ఎక్కువ శక్తిని కలిగి ఉన్నందున, అది ముత్యపు ఉపరితలంలోకి మరింతగా చొచ్చుకుపోవచ్చని ఊహిస్తారు, అందువల్ల సంబంధిత UV డిఫ్యూజ్ రిఫ్లెక్టెన్స్ స్పెక్ట్రం ముత్యాల నాణ్యతను అంచనా వేయడానికి ఉపయోగించే మరింత సమాచారాన్ని అందిస్తుంది. అభివృద్ధి చెందిన నమూనాలు మొలస్క్ పెర్ల్ పెరుగుతున్న జాతులు, పెర్ల్ మరియు దాత రంగు, మెరుపు మరియు ఉపరితల సంక్లిష్టతను అంచనా వేయడంలో విజయవంతమయ్యాయి. గతంలో నివేదించబడిన మోడల్తో పోల్చినప్పుడు ఎంచుకున్న పెర్ల్ నాణ్యత పారామితుల యొక్క మరింత ఖచ్చితమైన అంచనాల ఫలితంగా సరళీకృత నమూనాలు నిర్మించబడ్డాయి.