CN103499552A - 一种快速、智能的废旧塑料分类方法 - Google Patents
一种快速、智能的废旧塑料分类方法 Download PDFInfo
- Publication number
- CN103499552A CN103499552A CN201310507509.0A CN201310507509A CN103499552A CN 103499552 A CN103499552 A CN 103499552A CN 201310507509 A CN201310507509 A CN 201310507509A CN 103499552 A CN103499552 A CN 103499552A
- Authority
- CN
- China
- Prior art keywords
- waste
- sample
- used plastics
- intelligent
- fast
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
Images
Landscapes
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明涉及一种废旧塑料的快速智能分类方法。具体为先用衰减全反射傅立叶变换红外光谱仪扫描样品的红外光谱,得到红外光谱数据矩阵。之后将数据矩阵进行预处理,包括标准化、主成分分析降维。最后采用系统聚类方法对降维后的数据进行聚类分析。结果表明,本方法所采用的样品测试手段无需样品预处理,测样速度快,所采用的主成分分析-系统聚类模式识别方法可以对废旧塑料的分类达到100%的正确率。因此,衰减全反射傅立叶变换红外光谱结合化学模式识别可以对废旧塑料实现快速智能分类。
Description
技术领域
本发明属于分析化学领域的无损分析技术,涉及废旧塑料的智能分类问题。
背景技术
随着塑料制品的广泛应用,废旧塑料的污染问题越来越成为目前亟待解决的一大难题。为消除塑料废弃物,人们曾采用填埋、焚烧、高温降解、再生利用等方法来缓解环境污染。其中填埋、焚烧、高温降解等方法不能从根本上解决废旧塑料的污染问题,还容易产生二次污染。废旧塑料的再生利用既可保护环境,又可开辟新材料,近年来已成为世界各国研究、开发和生产的热点。
但是废旧塑料来源丰富,种类繁多,不同的塑料在物理、化学性质上都相差较大,用途也各异。如果把不同种类的废旧塑料混在一起,不加辨别就进行利用,容易导致新产品性能下降、处理过程效率低,技术复杂性增加,甚至出现废品,产生二次污染。因此,在对废旧塑料回收利用之前,必须首先进行鉴别分类,以便根据不同的塑料类别选择相应的加工产品方向和加工工艺,使废旧塑料得到更好的利用。
传统的塑料鉴别方法主要有外观鉴别法、燃烧鉴别法、密度鉴别法、溶剂鉴别法、浮选鉴别法、风筛鉴别法等,这些方法大多采用人工分析,不仅费时费力,而且只能对塑料制品进行粗略的分类,要想弄清塑料的确切成分,还需依靠精确的仪器分析方法。应用到塑料鉴别上的现代仪器分析测试技术主要有:X射线荧光、质谱、等离子体发射光谱、激光发射光谱、差热扫描量热分析法、中红外光谱、近红外光谱、拉曼光谱等。其中红外光谱以其特征性好、对样品颜色不敏感、测样速度快等特点,成为塑料鉴别的重要技术手段。但由于塑料难以溶解、研磨,所以采用传统红外光谱技术鉴别塑料种类,制样是很大的难题。衰减全反射附件的出现解决了这一问题,使得固体样品无需预处理就可以直接进行快速无损测量,因此特别适用于废旧塑料的回收利用系统。
分子的红外光谱是由各原子基团振动和转动的吸收峰组成,通过这些吸收峰确定原子基团,可以分析出分子的化学组成。然而对每个吸收峰进行归属常常是繁琐和困难的,尤其对掺杂各种添加剂的塑料制品更是如此。一种简单的方法是将测得的未知物近外红外光谱与已知红外红外光谱对照,如果完全吻合,就可直接确定分子的归属。理论上峰的位置和强度都必须吻合,但实际上峰强度常难以一致,它与样品的厚度有关,在某种程度上还取决于所用仪器的种类。另外,由于塑料结构的复杂性,即使是简单的均聚物,也不能期望其有完全相同的吸收峰。对于共聚物,由于序列分布引起的分子结构差异,以及分子堆砌方式或分子形状的影响等多种因素叠加在一起,将使谱图解析更为困难。因此,非常有必要发展智能的谱图鉴别方法。
化学模式识别技术是利用统计学、信号处理、数学等工具从化学量测数据中找出样品的特征,进而对样品进行识别和归类的一门技术。该方法根据已测的样品谱图信息以及类别信息,利用特定的算法,将样品进行聚类或者判别。如果将模式识别技术引入到废旧塑料的鉴别中,则可实现谱图鉴别的智能化。
综上,发展废旧塑料的快速智能分类方法是目前亟待解决的问题。而本发明以衰减全反射傅立叶变换红外光谱仪器作为检测手段,采用化学模式识别技术,解决废旧塑料快速智能分类问题。
发明内容
本发明的目的是针对上述存在的问题,提供一种废旧塑料快速、准确、智能的鉴别方法,以使废旧塑料得到更好的回收利用。
为实现本发明所提供的技术方案包括以下步骤:
1)收集不同种类的废旧塑料样品,利用衰减全反射傅立叶变换红外光谱仪器测试样品的红外光谱,得到样品的红外光谱数据矩阵X(m×n),其行数m为样品个数,列数n为波长点数。
2)将光谱矩阵X进行列标准化处理,即用每列数减去该列数的平均值再除以该列的方差,以消除由于样本颗粒不均匀所带来的影响,标准化的光谱矩阵记为D1(m×n)。
3)采用主成分分析(PCA)对矩阵D1(m×n)进行降维,得到矩阵D2(m×l)。
利用主成分分析降维的具体计算过程为:首先采用奇异值分解函数svd将矩阵D1分解为三个矩阵U,S和V,其中U*S为得分矩阵,V为载荷矩阵。S为特征值矩阵,其对角线元素的数值为特征值。用前p个特征值平方的加和除以总特征值平方的加和得到前p个主成分的累积贡献率。根据累积贡献率的大小确定保留的主成分数l,那么得分R的前l列即为采用主成分分析方法降维后的矩阵D2(m×l)。
4)对矩阵D2进行系统聚类
系统聚类的具体计算过程为:首先用pdist函数计算矩阵D2(m×l)中所有样品两两之间的距离,得到含有m*(m-1)/2个距离数据的向量D3。其次,利用linkage函数生成二叉聚类树,得到矩阵D4((m-1)×3)。该函数将各自成类的样品中距离最近的两类合并,然后重新计算新类和其它类之间的距离,并按最小距离并类,重复此过程,每次减少一类,直至所有的样品并为一类。最后,利用dendrogram函数将聚类得到的矩阵D4以二维系统聚类图可视化。
在聚类分析中,需要选择样品之间距离和类之间距离的计算方法。前者欧氏距离、标准化欧氏距离、城市街区距离、明氏距离、切比雪夫距离、马氏距离、汉明距离等多种形式。后者有最短距离法、最长距离法、类平均法、加权平均距离法、重心法、中间距离法、Ward离差平方和法等多种形式。通过二叉聚类树D4中各元素间的距离和pdist计算产生的实际的距离D3之间有多大的相关性来优化上述两种距离。另外,在聚类分析中,所有样品最终合并成一类,产生了完全版的聚类树,并不代表实际样品的分化模式,因此,采用不一致系数来确定样品的实际聚类层数。
本发明中采用衰减全反射傅立叶变换红外光谱仪器测试样品速度非常快,大约2-3秒可以完成对一个样品的测试,而且无需对样品进行预处理。将测得的光谱矩阵保存在计算机上,利用已编写好的程序进行计算,速度也非常快。聚类结果可视化,可直接看到塑料的类别情况,无需对红外谱图进行人工比对。因此,本发明提供一种快速、智能、准确的废旧塑料分类方法
附图说明
图1为21个废旧塑料样本的系统聚类图。
具体实施方式
为更好理解本发明,下面结合实施例对本发明做进一步地详细说明,但是本发明要求保护的范围并不局限于实施例表示的范围。
实施例:
1)收集21个废旧塑料样品,21个样品包含聚对苯二甲酸乙二醇脂(PET)、高密度聚乙烯(HDPE)、聚氯乙烯(PVC)、低密度聚乙烯(LDPE)、聚丙烯(PP)、聚苯乙烯(PS)、聚碳酸酯(PC)共7类塑料,每类塑料3个样品。光谱采用衰减全反射傅立叶变换红外光谱仪(Nicolet6700,美国热电公司)测定。波数范围为4000.2~649.9cm-1,采样间隔约为0.48个波数,共6950个波长点,测得的光谱矩阵记为X(21×6950)。
2)对光谱矩阵进行列标准化,标准化的数据为D1(21×6950),矩阵D1中每列元素均值为0,方差和标准偏差都为1。
3)采用主成分分析对矩阵D1(21×6950)进行降维,前5个主成分解释了99%的信息量,因此保留5个主成分数,降维后的矩阵记为D2(21×5)。
4)采用系统聚类方法对光谱进行聚类。通过二叉聚类树中各元素间的距离和pdist计算产生的实际的距离之间的Cophenet相关性同时优化样品之间距离和类之间距离;并用不一致系数确定聚类个数。
经过参数优化,样品间距离采用马氏聚类,类间距离采用类平均法可得到最优Cophenet相关系数0.97,。图1为得到的系统聚类图。从图中可以看出,21个样品聚成了7类,其中PET、HDPE、PVC、LDPE、PP、PS、PC样品各成1类,聚类正确率为100%。结果表明,衰减全反射傅立叶变换红外光谱结合化学模式识别可以对废旧塑料达到很好的分类结果。
Claims (3)
1.一种快速、智能的废旧塑料分类方法,其特征在于:它是采用衰减全反射傅立叶变换红外光谱测量样品的红外光谱信号,之后用化学模式识别方法进行分类。
2.根据权利要求1所述的废旧塑料分类快速、智能分类方法,其特征在于:所述化学模式识别方法先采用标准化方法对光谱预处理,再采用主成分分析进行降维,对降维后的数据采用系统聚类方法进行聚类。
3.根据权利要求1所述的废旧塑料分类快速、智能分类方法,其特征在于:对废旧塑料的种类数没有限制,不论是两类还是多类废旧塑料都可以进行智能分类。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310507509.0A CN103499552A (zh) | 2013-10-23 | 2013-10-23 | 一种快速、智能的废旧塑料分类方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201310507509.0A CN103499552A (zh) | 2013-10-23 | 2013-10-23 | 一种快速、智能的废旧塑料分类方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN103499552A true CN103499552A (zh) | 2014-01-08 |
Family
ID=49864782
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201310507509.0A Pending CN103499552A (zh) | 2013-10-23 | 2013-10-23 | 一种快速、智能的废旧塑料分类方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN103499552A (zh) |
Cited By (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104624510A (zh) * | 2015-02-07 | 2015-05-20 | 邹中霞 | 一种垃圾自动分类机 |
CN106769986A (zh) * | 2017-01-11 | 2017-05-31 | 天津市建筑材料产品质量监督检测中心 | 一种塑料管材中再回收塑料的鉴别及定量检测方法 |
CN107999405A (zh) * | 2017-12-27 | 2018-05-08 | 华侨大学 | 一种建筑垃圾在线分拣系统和分拣方法 |
CN107999399A (zh) * | 2017-12-27 | 2018-05-08 | 华侨大学 | 基于点阵高光谱检测的建筑垃圾在线分拣系统和方法 |
CN109781658A (zh) * | 2018-12-28 | 2019-05-21 | 西安交通大学 | 一种基于近红外光谱主成分分析的绝缘纸种类判别方法 |
CN110738246A (zh) * | 2019-09-29 | 2020-01-31 | 深圳和而泰家居在线网络科技有限公司 | 产品分类方法、装置、计算设备及计算机存储介质 |
CN111965167A (zh) * | 2020-08-20 | 2020-11-20 | 天津大学 | 预测固体废弃物元素组成及热值的方法及装置 |
CN112782141A (zh) * | 2020-12-29 | 2021-05-11 | 中国科学院合肥物质科学研究院 | 一种基于荧光方法的塑料快速分类设备 |
CN113095388A (zh) * | 2021-04-01 | 2021-07-09 | 福建师范大学 | 基于双层分类算法的固废塑料材质识别方法 |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102288573A (zh) * | 2011-05-27 | 2011-12-21 | 中国人民解放军总后勤部油料研究所 | 一种利用中红外光谱技术快速识别发动机燃料种类和牌号方法 |
CN102636452A (zh) * | 2012-05-03 | 2012-08-15 | 中国科学院长春光学精密机械与物理研究所 | 一种近红外光谱无损鉴别山参真伪的方法 |
CN102830087A (zh) * | 2011-09-26 | 2012-12-19 | 武汉工业学院 | 基于近红外光谱技术快速鉴别餐饮废弃油脂的方法 |
CN102841072A (zh) * | 2012-08-13 | 2012-12-26 | 中国计量学院 | 基于近红外光谱鉴别转基因水稻和非转基因水稻的方法 |
CN103201616A (zh) * | 2010-11-05 | 2013-07-10 | 弗·哈夫曼-拉罗切有限公司 | 原料的光谱指纹识别 |
-
2013
- 2013-10-23 CN CN201310507509.0A patent/CN103499552A/zh active Pending
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103201616A (zh) * | 2010-11-05 | 2013-07-10 | 弗·哈夫曼-拉罗切有限公司 | 原料的光谱指纹识别 |
CN102288573A (zh) * | 2011-05-27 | 2011-12-21 | 中国人民解放军总后勤部油料研究所 | 一种利用中红外光谱技术快速识别发动机燃料种类和牌号方法 |
CN102830087A (zh) * | 2011-09-26 | 2012-12-19 | 武汉工业学院 | 基于近红外光谱技术快速鉴别餐饮废弃油脂的方法 |
CN102636452A (zh) * | 2012-05-03 | 2012-08-15 | 中国科学院长春光学精密机械与物理研究所 | 一种近红外光谱无损鉴别山参真伪的方法 |
CN102841072A (zh) * | 2012-08-13 | 2012-12-26 | 中国计量学院 | 基于近红外光谱鉴别转基因水稻和非转基因水稻的方法 |
Non-Patent Citations (2)
Title |
---|
张洪申等: "退役汽车塑料材料NIRS识别技术及设备研究", 《工程塑料应用》 * |
张继游: "废旧汽车塑料的识别技术研究", 《中国优秀硕士学位论文全文数据库 工程科技I辑》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN104624510A (zh) * | 2015-02-07 | 2015-05-20 | 邹中霞 | 一种垃圾自动分类机 |
CN106769986A (zh) * | 2017-01-11 | 2017-05-31 | 天津市建筑材料产品质量监督检测中心 | 一种塑料管材中再回收塑料的鉴别及定量检测方法 |
CN106769986B (zh) * | 2017-01-11 | 2019-03-22 | 天津市贰拾壹站检测技术有限公司 | 一种塑料管材中再回收塑料的鉴别及定量检测方法 |
CN107999405A (zh) * | 2017-12-27 | 2018-05-08 | 华侨大学 | 一种建筑垃圾在线分拣系统和分拣方法 |
CN107999399A (zh) * | 2017-12-27 | 2018-05-08 | 华侨大学 | 基于点阵高光谱检测的建筑垃圾在线分拣系统和方法 |
CN109781658A (zh) * | 2018-12-28 | 2019-05-21 | 西安交通大学 | 一种基于近红外光谱主成分分析的绝缘纸种类判别方法 |
CN110738246A (zh) * | 2019-09-29 | 2020-01-31 | 深圳和而泰家居在线网络科技有限公司 | 产品分类方法、装置、计算设备及计算机存储介质 |
CN110738246B (zh) * | 2019-09-29 | 2024-01-19 | 广东中创智家科学研究有限公司 | 产品分类方法、装置、计算设备及计算机存储介质 |
CN111965167A (zh) * | 2020-08-20 | 2020-11-20 | 天津大学 | 预测固体废弃物元素组成及热值的方法及装置 |
CN112782141A (zh) * | 2020-12-29 | 2021-05-11 | 中国科学院合肥物质科学研究院 | 一种基于荧光方法的塑料快速分类设备 |
CN112782141B (zh) * | 2020-12-29 | 2023-12-19 | 中国科学院合肥物质科学研究院 | 一种基于荧光方法的塑料快速分类设备 |
CN113095388A (zh) * | 2021-04-01 | 2021-07-09 | 福建师范大学 | 基于双层分类算法的固废塑料材质识别方法 |
CN113095388B (zh) * | 2021-04-01 | 2023-06-30 | 福建师范大学 | 基于双层分类算法的固废塑料材质识别方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN103499552A (zh) | 一种快速、智能的废旧塑料分类方法 | |
Zhu et al. | Plastic solid waste identification system based on near infrared spectroscopy in combination with support vector machine | |
CN102222178B (zh) | 一种筛选和/或设计针对多靶标的药物的方法 | |
CN109211803B (zh) | 一种基于显微多光谱技术对微塑料进行快速识别的装置 | |
JPH07111397B2 (ja) | プラスチックの種類判定方法 | |
CN103488874B (zh) | 一种结合激光诱导击穿光谱对钢铁材料的分类方法 | |
CN102982339B (zh) | 一种高光谱特征变量选取的方法 | |
CN103134765A (zh) | 一种基于太赫兹时域光谱的中药样品真伪初筛方法 | |
CN103293141A (zh) | 基于离子迁移谱/质谱/拉曼光谱融合技术的白酒年份识别方法 | |
CN103487411A (zh) | 一种随机森林算法结合激光诱导击穿光谱识别钢材牌号的方法 | |
CN105044198A (zh) | 一种基于矿质元素指纹鉴别葡萄酒原产地的方法 | |
CN101339150B (zh) | 基于介电谱技术测定汽油辛烷值的方法 | |
CN104376325A (zh) | 一种近红外定性分析模型的建立方法 | |
CN104345045A (zh) | 一种基于化学模式识别和近红外光谱的相似药材鉴别方法 | |
Lei et al. | Geographic origin identification of coal using near-infrared spectroscopy combined with improved random forest method | |
CN114965973A (zh) | 基于仪器检测分析技术结合多种化学计量学方法和/或机器学习算法鉴别回收塑料的方法 | |
JP2002090299A (ja) | 高分子材料のグレード識別方法 | |
Bawankule et al. | Visual detection of waste using YOLOv8 | |
CN111523587A (zh) | 一种基于机器学习的木本植物物种光谱识别方法 | |
CN114202645A (zh) | 一种塑料的近红外光谱分类识别精度验证方法 | |
CN109470686A (zh) | 一种基于半监督学习的激光诱导击穿光谱分类识别方法 | |
CN103076300B (zh) | 专属性模式识别模型判别分析中药材资源指纹信息的方法 | |
CN113095388A (zh) | 基于双层分类算法的固废塑料材质识别方法 | |
CN111426657B (zh) | 一种溶解性有机物三维荧光谱图的识别比对方法 | |
CN105069462A (zh) | 基于光谱特征细分和分类器级联的有机化学品定性判定方法 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
EXSB | Decision made by sipo to initiate substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
WD01 | Invention patent application deemed withdrawn after publication | ||
WD01 | Invention patent application deemed withdrawn after publication |
Application publication date: 20140108 |