CN108918450A - 再生塑料的自动智能判断方法及系统 - Google Patents
再生塑料的自动智能判断方法及系统 Download PDFInfo
- Publication number
- CN108918450A CN108918450A CN201810888665.9A CN201810888665A CN108918450A CN 108918450 A CN108918450 A CN 108918450A CN 201810888665 A CN201810888665 A CN 201810888665A CN 108918450 A CN108918450 A CN 108918450A
- Authority
- CN
- China
- Prior art keywords
- type
- curve
- plastics
- sample
- standard sample
- 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.)
- Granted
Links
- 239000004033 plastic Substances 0.000 title claims abstract description 404
- 229920003023 plastic Polymers 0.000 title claims abstract description 404
- 238000000034 method Methods 0.000 title claims abstract description 43
- 238000004519 manufacturing process Methods 0.000 claims abstract description 192
- 238000002329 infrared spectrum Methods 0.000 claims abstract description 184
- 238000001938 differential scanning calorimetry curve Methods 0.000 claims abstract description 182
- 238000012360 testing method Methods 0.000 claims abstract description 49
- 230000004069 differentiation Effects 0.000 claims description 48
- 230000008929 regeneration Effects 0.000 claims description 23
- 238000011069 regeneration method Methods 0.000 claims description 23
- 239000000463 material Substances 0.000 claims description 14
- 238000001228 spectrum Methods 0.000 claims description 13
- 238000004458 analytical method Methods 0.000 claims description 8
- 238000004566 IR spectroscopy Methods 0.000 claims description 5
- 230000003595 spectral effect Effects 0.000 description 9
- 238000005516 engineering process Methods 0.000 description 2
- 230000008569 process Effects 0.000 description 2
- 239000006057 Non-nutritive feed additive Substances 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000012512 characterization method Methods 0.000 description 1
- 230000007423 decrease Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000009826 distribution Methods 0.000 description 1
- 230000007613 environmental effect Effects 0.000 description 1
- 230000036541 health Effects 0.000 description 1
- 239000012535 impurity Substances 0.000 description 1
- 238000007689 inspection Methods 0.000 description 1
- 239000004014 plasticizer Substances 0.000 description 1
- 238000006116 polymerization reaction Methods 0.000 description 1
- 238000004064 recycling Methods 0.000 description 1
- 230000008439 repair process Effects 0.000 description 1
- 150000003384 small molecules Chemical class 0.000 description 1
- 238000007619 statistical method Methods 0.000 description 1
- 238000003860 storage Methods 0.000 description 1
- 239000000126 substance Substances 0.000 description 1
Classifications
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N21/00—Investigating or analysing materials by the use of optical means, i.e. using sub-millimetre waves, infrared, visible or ultraviolet light
- G01N21/17—Systems in which incident light is modified in accordance with the properties of the material investigated
- G01N21/25—Colour; Spectral properties, i.e. comparison of effect of material on the light at two or more different wavelengths or wavelength bands
- G01N21/31—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry
- G01N21/35—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N33/00—Investigating or analysing materials by specific methods not covered by groups G01N1/00 - G01N31/00
- G01N33/44—Resins; Plastics; Rubber; Leather
- G01N33/442—Resins; Plastics
-
- G—PHYSICS
- G01—MEASURING; TESTING
- G01N—INVESTIGATING OR ANALYSING MATERIALS BY DETERMINING THEIR CHEMICAL OR PHYSICAL PROPERTIES
- G01N5/00—Analysing materials by weighing, e.g. weighing small particles separated from a gas or liquid
Landscapes
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Health & Medical Sciences (AREA)
- Pathology (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Medicinal Chemistry (AREA)
- Food Science & Technology (AREA)
- Engineering & Computer Science (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
- Investigating Or Analyzing Materials Using Thermal Means (AREA)
- Separation, Recovery Or Treatment Of Waste Materials Containing Plastics (AREA)
Abstract
本发明公开了一种再生塑料的自动智能判断方法及装置,自动智能判断方法包括如下步骤:分别对第一种类的新生产塑料和再生塑料的标准样品进行红外光谱测试、热重曲线测试以及DSC测试,并对红外光谱曲线、热重曲线以及DSC曲线进行分析,分别得到针对第一种类的新生产塑料和再生塑料的标准样品的红外光谱曲线、热重曲线以及DSC曲线的多个特征;对第一种类的待判断的样品进行红外光谱测试,并对红外光谱曲线进行分析,得到红外光谱曲线的多个特征;确定针对第一种类的新生产塑料的标准样品的红外光谱曲线与针对第一种类的再生塑料的标准样品的红外光谱曲线是否具有足够的区分度;如果具有足够的区分度,则执行指定操作。本发明的方法判断效率及准确度高。
Description
技术领域
本发明是关于塑料生产智能装置领域,特别是关于一种再生塑料的自动智能判断方法及系统。
背景技术
与塑料工业发展并行的是再生塑料行业朝向规范化、高技术化的必由之路。回收塑料中可能存在危害环境和人体健康的有害物质。目前国内再生塑料已经大规模应用,但是国内还没有相应的检测标准和技术标准来规范、表征该产品。由于再生塑料回收生产的复杂性,导致再生塑料产物有可能存在较大杂质以及产品质量出现缺陷等问题。这些问题的存在导致再生塑料产品的使用受到很大限制和影响使用者的信心。欧盟及日本已经开始关注再生塑料的问题,并且制订了相关再生塑料产品表征和检测的相关标准。
公开于该背景技术部分的信息仅仅旨在增加对本发明的总体背景的理解,而不应当被视为承认或以任何形式暗示该信息构成已为本领域一般技术人员所公知的现有技术。
发明内容
本发明的目的在于提供一种再生塑料的自动智能判断方法及系统,其能够克服现有技术的缺点。
为实现上述目的,本发明提供了一种再生塑料的自动智能判断方法,包括如下步骤:对第一种类的新生产塑料的标准样品进行红外光谱测试、热重曲线测试以及DSC测试;对第一种类的再生塑料的标准样品进行红外光谱测试、热重曲线测试以及DSC测试;针对第一种类的新生产塑料的标准样品的红外光谱曲线、热重曲线以及DSC曲线进行分析,得到针对第一种类的新生产塑料的标准样品的红外光谱曲线、热重曲线以及DSC曲线的多个特征;针对第一种类的再生塑料的标准样品的红外光谱曲线、热重曲线以及DSC曲线进行分析,得到针对第一种类的再生塑料的标准样品的红外光谱曲线、热重曲线以及DSC曲线的多个特征;对第一种类的待判断的样品进行红外光谱测试;针对第一种类的待判断的样品的红外光谱曲线进行分析,得到针对第一种类的待判断的样品的红外光谱曲线的多个特征;确定针对第一种类的新生产塑料的标准样品的红外光谱曲线与针对第一种类的再生塑料的标准样品的红外光谱曲线是否具有足够的区分度;如果针对第一种类的新生产塑料的标准样品的红外光谱曲线与针对第一种类的再生塑料的标准样品的红外光谱曲线具有足够的区分度,则执行以下操作:确定针对第一种类的待判断的样品的红外光谱曲线的多个特征与针对第一种类的新生产塑料的标准样品的红外光谱曲线的多个特征是否对应,如果针对第一种类的待判断的样品的红外光谱曲线的多个特征与针对第一种类的新生产塑料的标准样品的红外光谱曲线的多个特征对应,则判断第一种类的待判断的样品是新生产塑料。
在一优选的实施方式中,再生塑料的自动智能判断方法还包括如下步骤:如果针对第一种类的待判断的样品的红外光谱曲线的多个特征与针对第一种类的新生产塑料的标准样品的红外光谱曲线的多个特征不对应,则继续确定针对第一种类的待判断的样品的红外光谱曲线的多个特征与针对第一种类的再生塑料的标准样品的红外光谱曲线的红外光谱曲线的多个特征是否对应;以及如果针对第一种类的待判断的样品的红外光谱曲线的多个特征与针对第一种类的再生塑料的标准样品的红外光谱曲线的红外光谱曲线的多个特征对应,则判断第一种类的待判断的样品是再生塑料。
在一优选的实施方式中,其中,针对第一种类的新生产塑料的标准样品的红外光谱曲线、热重曲线以及DSC曲线进行分析,得到针对第一种类的新生产塑料的标准样品的红外光谱曲线、热重曲线以及DSC曲线的多个特征具体包括如下步骤:标定针对第一种类的新生产塑料的标准样品的红外光谱曲线中的峰位置、峰强度以及峰个数;对针对第一种类的新生产塑料的标准样品的热重曲线进行一次微分以及二次微分,随后标定针对第一种类的新生产塑料的标准样品的热重曲线的峰位置、峰强度以及峰个数,并且标定针对第一种类的新生产塑料的标准样品的热重曲线的一次微分曲线以及二次微分曲线的峰位置、峰强度以及峰个数;对针对第一种类的新生产塑料的标准样品的DSC曲线进行一次微分以及二次微分,随后标定针对第一种类的新生产塑料的标准样品的DSC曲线的峰位置、峰强度以及峰个数,并且标定针对第一种类的新生产塑料的标准样品的DSC曲线的一次微分曲线以及二次微分曲线的峰位置、峰强度以及峰个数;针对第一种类的再生塑料的标准样品的红外光谱曲线、热重曲线以及DSC曲线进行分析,得到针对第一种类的再生塑料的标准样品的红外光谱曲线、热重曲线以及DSC曲线的多个特征具体包括如下步骤:标定针对第一种类的再生塑料的标准样品的红外光谱曲线中的峰位置、峰强度以及峰个数;对针对第一种类的再生塑料的标准样品的热重曲线进行一次微分以及二次微分,随后标定针对第一种类的再生塑料的标准样品的热重曲线的峰位置、峰强度以及峰个数,并且标定针对第一种类的再生塑料的标准样品的热重曲线的一次微分曲线以及二次微分曲线的峰位置、峰强度以及峰个数;以及对针对第一种类的再生塑料的标准样品的DSC曲线进行一次微分以及二次微分,随后标定针对第一种类的再生塑料的标准样品的DSC曲线的峰位置、峰强度以及峰个数,并且标定针对第一种类的再生塑料的标准样品的DSC曲线的一次微分曲线以及二次微分曲线的峰位置、峰强度以及峰个数。
在一优选的实施方式中,再生塑料的自动智能判断方法包括如下步骤:如果针对第一种类的新生产塑料的标准样品的红外光谱曲线与针对第一种类的再生塑料的标准样品的红外光谱曲线不具有足够的区分度,则执行以下操作:对第一种类的待判断的样品进行热重测试;针对第一种类的待判断的样品的热重曲线进行分析,得到针对第一种类的待判断的样品的热重曲线的多个特征;确定针对第一种类的新生产塑料的标准样品的热重曲线与针对第一种类的再生塑料的标准样品的热重曲线是否具有足够的区分度;如果针对第一种类的新生产塑料的标准样品的热重曲线与针对第一种类的再生塑料的标准样品的热重曲线具有足够的区分度,则确定针对第一种类的待判断的样品的热重曲线的多个特征与针对第一种类的新生产塑料的标准样品的热重曲线的多个特征是否对应,如果针对第一种类的待判断的样品的热重曲线的多个特征与针对第一种类的新生产塑料的标准样品的热重曲线的多个特征对应,则判断第一种类的待判断的样品是新生产塑料;以及如果针对第一种类的待判断的样品的热重曲线的多个特征与针对第一种类的新生产塑料的标准样品的热重曲线的多个特征不对应,则确定针对第一种类的待判断的样品的热重曲线的多个特征与针对第一种类的再生塑料的标准样品的热重曲线的多个特征是否对应,如果针对第一种类的待判断的样品的热重曲线的多个特征与针对第一种类的再生的标准样品的热重曲线的多个特征对应,则判断第一种类的待判断的样品是再生塑料。
在一优选的实施方式中,再生塑料的自动智能判断方法包括如下步骤:如果针对第一种类的新生产塑料的标准样品的热重曲线与针对第一种类的再生塑料的标准样品的热重曲线不具有足够的区分度,则执行以下操作:对第一种类的待判断的样品进行DSC测试;针对第一种类的待判断的样品的DSC曲线进行分析,得到针对第一种类的待判断的样品的DSC曲线的多个特征;确定针对第一种类的新生产塑料的标准样品的DSC曲线与针对第一种类的再生塑料的标准样品的DSC曲线是否具有足够的区分度;如果针对第一种类的新生产塑料的标准样品的DSC曲线与针对第一种类的再生塑料的标准样品的DSC曲线具有足够的区分度,则确定针对第一种类的待判断的样品的DSC曲线的多个特征与针对第一种类的新生产塑料的标准样品的DSC曲线的多个特征是否对应,如果针对第一种类的待判断的样品的DSC曲线的多个特征与针对第一种类的新生产塑料的标准样品的DSC曲线的多个特征对应,则判断第一种类的待判断的样品是新生产塑料;以及如果针对第一种类的待判断的样品的DSC曲线的多个特征与针对第一种类的新生产塑料的标准样品的DSC曲线的多个特征不对应,则确定针对第一种类的待判断的样品的DSC曲线的多个特征与针对第一种类的再生塑料的标准样品的DSC曲线的多个特征是否对应,如果针对第一种类的待判断的样品的DSC曲线的多个特征与针对第一种类的再生的标准样品的DSC曲线的多个特征对应,则判断第一种类的待判断的样品是再生塑料。
本发明还提供了一种再生塑料的自动智能判断系统,包括:红外光谱测试装置,其与智能判断中心通信连接;热重测试装置,其与智能判断中心通信连接;以及DSC测试装置,其与智能判断中心通信连接;其中,智能判断中心能够控制红外光谱测试装置、热重测试装置以及DSC测试装置完成以下操作:对第一种类的新生产塑料的标准样品进行红外光谱测试、热重曲线测试以及DSC测试;对第一种类的再生塑料的标准样品进行红外光谱测试、热重曲线测试以及DSC测试;针对第一种类的新生产塑料的标准样品的红外光谱曲线、热重曲线以及DSC曲线进行分析,得到针对第一种类的新生产塑料的标准样品的红外光谱曲线、热重曲线以及DSC曲线的多个特征;针对第一种类的再生塑料的标准样品的红外光谱曲线、热重曲线以及DSC曲线进行分析,得到针对第一种类的再生塑料的标准样品的红外光谱曲线、热重曲线以及DSC曲线的多个特征;对第一种类的待判断的样品进行红外光谱测试;针对第一种类的待判断的样品的红外光谱曲线进行分析,得到针对第一种类的待判断的样品的红外光谱曲线的多个特征;确定针对第一种类的新生产塑料的标准样品的红外光谱曲线与针对第一种类的再生塑料的标准样品的红外光谱曲线是否具有足够的区分度;如果针对第一种类的新生产塑料的标准样品的红外光谱曲线与针对第一种类的再生塑料的标准样品的红外光谱曲线具有足够的区分度,则执行以下操作:确定针对第一种类的待判断的样品的红外光谱曲线的多个特征与针对第一种类的新生产塑料的标准样品的红外光谱曲线的多个特征是否对应,如果针对第一种类的待判断的样品的红外光谱曲线的多个特征与针对第一种类的新生产塑料的标准样品的红外光谱曲线的多个特征对应,则判断第一种类的待判断的样品是新生产塑料。
在一优选的实施方式中,智能判断中心还被配置为:如果针对第一种类的待判断的样品的红外光谱曲线的多个特征与针对第一种类的新生产塑料的标准样品的红外光谱曲线的多个特征不对应,则继续确定针对第一种类的待判断的样品的红外光谱曲线的多个特征与针对第一种类的再生塑料的标准样品的红外光谱曲线的红外光谱曲线的多个特征是否对应;以及如果针对第一种类的待判断的样品的红外光谱曲线的多个特征与针对第一种类的再生塑料的标准样品的红外光谱曲线的红外光谱曲线的多个特征对应,则判断第一种类的待判断的样品是再生塑料。
在一优选的实施方式中,其中,针对第一种类的新生产塑料的标准样品的红外光谱曲线、热重曲线以及DSC曲线进行分析,得到针对第一种类的新生产塑料的标准样品的红外光谱曲线、热重曲线以及DSC曲线的多个特征具体包括如下步骤:标定针对第一种类的新生产塑料的标准样品的红外光谱曲线中的峰位置、峰强度以及峰个数;对针对第一种类的新生产塑料的标准样品的热重曲线进行一次微分以及二次微分,随后标定针对第一种类的新生产塑料的标准样品的热重曲线的峰位置、峰强度以及峰个数,并且标定针对第一种类的新生产塑料的标准样品的热重曲线的一次微分曲线以及二次微分曲线的峰位置、峰强度以及峰个数;对针对第一种类的新生产塑料的标准样品的DSC曲线进行一次微分以及二次微分,随后标定针对第一种类的新生产塑料的标准样品的DSC曲线的峰位置、峰强度以及峰个数,并且标定针对第一种类的新生产塑料的标准样品的DSC曲线的一次微分曲线以及二次微分曲线的峰位置、峰强度以及峰个数;针对第一种类的再生塑料的标准样品的红外光谱曲线、热重曲线以及DSC曲线进行分析,得到针对第一种类的再生塑料的标准样品的红外光谱曲线、热重曲线以及DSC曲线的多个特征具体包括如下步骤:标定针对第一种类的再生塑料的标准样品的红外光谱曲线中的峰位置、峰强度以及峰个数;对针对第一种类的再生塑料的标准样品的热重曲线进行一次微分以及二次微分,随后标定针对第一种类的再生塑料的标准样品的热重曲线的峰位置、峰强度以及峰个数,并且标定针对第一种类的再生塑料的标准样品的热重曲线的一次微分曲线以及二次微分曲线的峰位置、峰强度以及峰个数;对针对第一种类的再生塑料的标准样品的DSC曲线进行一次微分以及二次微分,随后标定针对第一种类的再生塑料的标准样品的DSC曲线的峰位置、峰强度以及峰个数,并且标定针对第一种类的再生塑料的标准样品的DSC曲线的一次微分曲线以及二次微分曲线的峰位置、峰强度以及峰个数。
在一优选的实施方式中,智能判断中心还被配置为:如果针对第一种类的新生产塑料的标准样品的红外光谱曲线与针对第一种类的再生塑料的标准样品的红外光谱曲线不具有足够的区分度,则执行以下操作:对第一种类的待判断的样品进行热重测试;针对第一种类的待判断的样品的热重曲线进行分析,得到针对第一种类的待判断的样品的热重曲线的多个特征;确定针对第一种类的新生产塑料的标准样品的热重曲线与针对第一种类的再生塑料的标准样品的热重曲线是否具有足够的区分度;如果针对第一种类的新生产塑料的标准样品的热重曲线与针对第一种类的再生塑料的标准样品的热重曲线具有足够的区分度,则确定针对第一种类的待判断的样品的热重曲线的多个特征与针对第一种类的新生产塑料的标准样品的热重曲线的多个特征是否对应,如果针对第一种类的待判断的样品的热重曲线的多个特征与针对第一种类的新生产塑料的标准样品的热重曲线的多个特征对应,则判断第一种类的待判断的样品是新生产塑料;以及如果针对第一种类的待判断的样品的热重曲线的多个特征与针对第一种类的新生产塑料的标准样品的热重曲线的多个特征不对应,则确定针对第一种类的待判断的样品的热重曲线的多个特征与针对第一种类的再生塑料的标准样品的热重曲线的多个特征是否对应,如果针对第一种类的待判断的样品的热重曲线的多个特征与针对第一种类的再生的标准样品的热重曲线的多个特征对应,则判断第一种类的待判断的样品是再生塑料。
在一优选的实施方式中,智能判断中心还被配置为:如果针对第一种类的新生产塑料的标准样品的热重曲线与针对第一种类的再生塑料的标准样品的热重曲线不具有足够的区分度,则执行以下操作:对第一种类的待判断的样品进行DSC测试;针对第一种类的待判断的样品的DSC曲线进行分析,得到针对第一种类的待判断的样品的DSC曲线的多个特征;确定针对第一种类的新生产塑料的标准样品的DSC曲线与针对第一种类的再生塑料的标准样品的DSC曲线是否具有足够的区分度;如果针对第一种类的新生产塑料的标准样品的DSC曲线与针对第一种类的再生塑料的标准样品的DSC曲线具有足够的区分度,则确定针对第一种类的待判断的样品的DSC曲线的多个特征与针对第一种类的新生产塑料的标准样品的DSC曲线的多个特征是否对应,如果针对第一种类的待判断的样品的DSC曲线的多个特征与针对第一种类的新生产塑料的标准样品的DSC曲线的多个特征对应,则判断第一种类的待判断的样品是新生产塑料;以及如果针对第一种类的待判断的样品的DSC曲线的多个特征与针对第一种类的新生产塑料的标准样品的DSC曲线的多个特征不对应,则确定针对第一种类的待判断的样品的DSC曲线的多个特征与针对第一种类的再生塑料的标准样品的DSC曲线的多个特征是否对应,如果针对第一种类的待判断的样品的DSC曲线的多个特征与针对第一种类的再生的标准样品的DSC曲线的多个特征对应,则判断第一种类的待判断的样品是再生塑料。
与现有技术相比,本发明具有如下优点:塑料分为新生产的塑料以及再生塑料。一般来说,新生产的塑料性能稳定,同时价格也更高;而再生塑料虽然价格较低,但是由于塑料再生过程中的高温处理,将导致塑料内部小分子的增塑剂、加工助剂溢出,同时导致聚合物内部分子链的断裂,这都将导致再生塑料的性能下降。所以,塑料制品生产企业一般需要在原料入库之前进行原料质量的检查,以便区分新生产的塑料以及再生塑料。目前区分新生产的塑料以及再生塑料的方法包括红外分光光度计法、热重曲线法、DSC曲线法、化学分析法、力学性能测试法。其中,红外分光光度计法、热重曲线法、DSC曲线法是最为方便的方法。但是目前在判断过程中,一般仍然采用人工判断的方法,人工判断存在效率低、随意性强、判断结果受判断主体经验影响大的缺点。本发明针对现有技术的缺陷,提出了一种再生塑料的自动智能判断方法。本发明的自动智能判断方法能够依次通过自动判断各类曲线,然后依次确定是否能够准确确定塑料是新塑料还是再生塑料,本发明的自动智能判断方法的判断依据是统计规律,所以本发明的自动智能判断方法判断效率高,判断结果更加准确。
附图说明
图1是根据本发明一实施方式的自动智能判断方法流程图。
具体实施方式
下面结合附图,对本发明的具体实施方式进行详细描述,但应当理解本发明的保护范围并不受具体实施方式的限制。
除非另有其它明确表示,否则在整个说明书和权利要求书中,术语“包括”或其变换如“包含”或“包括有”等等将被理解为包括所陈述的元件或组成部分,而并未排除其它元件或其它组成部分。
图1是根据本发明一实施方式的自动智能判断方法流程图。如图所示,本发明的自动智能判断方法包括如下步骤:
步骤101:对第一种类的新生产塑料的标准样品进行红外光谱测试、热重曲线测试以及DSC测试;
步骤102:对第一种类的再生塑料的标准样品进行红外光谱测试、热重曲线测试以及DSC测试;
步骤103:针对第一种类的新生产塑料的标准样品的红外光谱曲线、热重曲线以及DSC曲线进行分析,得到针对第一种类的新生产塑料的标准样品的红外光谱曲线、热重曲线以及DSC曲线的多个特征;
步骤104:针对第一种类的再生塑料的标准样品的红外光谱曲线、热重曲线以及DSC曲线进行分析,得到针对第一种类的再生塑料的标准样品的红外光谱曲线、热重曲线以及DSC曲线的多个特征;
步骤105:对第一种类的待判断的样品进行红外光谱测试;
步骤106:针对第一种类的待判断的样品的红外光谱曲线进行分析,得到针对第一种类的待判断的样品的红外光谱曲线的多个特征;
步骤107:确定针对第一种类的新生产塑料的标准样品的红外光谱曲线与针对第一种类的再生塑料的标准样品的红外光谱曲线是否具有足够的区分度;以及
步骤108:如果针对第一种类的新生产塑料的标准样品的红外光谱曲线与针对第一种类的再生塑料的标准样品的红外光谱曲线具有足够的区分度,则执行以下操作:
确定针对第一种类的待判断的样品的红外光谱曲线的多个特征与针对第一种类的新生产塑料的标准样品的红外光谱曲线的多个特征是否对应,如果针对第一种类的待判断的样品的红外光谱曲线的多个特征与针对第一种类的新生产塑料的标准样品的红外光谱曲线的多个特征对应,则判断第一种类的待判断的样品是新生产塑料。
在一优选的实施方式中,再生塑料的自动智能判断方法还包括如下步骤:如果针对第一种类的待判断的样品的红外光谱曲线的多个特征与针对第一种类的新生产塑料的标准样品的红外光谱曲线的多个特征不对应,则继续确定针对第一种类的待判断的样品的红外光谱曲线的多个特征与针对第一种类的再生塑料的标准样品的红外光谱曲线的红外光谱曲线的多个特征是否对应;以及如果针对第一种类的待判断的样品的红外光谱曲线的多个特征与针对第一种类的再生塑料的标准样品的红外光谱曲线的红外光谱曲线的多个特征对应,则判断第一种类的待判断的样品是再生塑料。
在一优选的实施方式中,其中,针对第一种类的新生产塑料的标准样品的红外光谱曲线、热重曲线以及DSC曲线进行分析,得到针对第一种类的新生产塑料的标准样品的红外光谱曲线、热重曲线以及DSC曲线的多个特征具体包括如下步骤:标定针对第一种类的新生产塑料的标准样品的红外光谱曲线中的峰位置、峰强度以及峰个数;对针对第一种类的新生产塑料的标准样品的热重曲线进行一次微分以及二次微分,随后标定针对第一种类的新生产塑料的标准样品的热重曲线的峰位置、峰强度以及峰个数,并且标定针对第一种类的新生产塑料的标准样品的热重曲线的一次微分曲线以及二次微分曲线的峰位置、峰强度以及峰个数;对针对第一种类的新生产塑料的标准样品的DSC曲线进行一次微分以及二次微分,随后标定针对第一种类的新生产塑料的标准样品的DSC曲线的峰位置、峰强度以及峰个数,并且标定针对第一种类的新生产塑料的标准样品的DSC曲线的一次微分曲线以及二次微分曲线的峰位置、峰强度以及峰个数;针对第一种类的再生塑料的标准样品的红外光谱曲线、热重曲线以及DSC曲线进行分析,得到针对第一种类的再生塑料的标准样品的红外光谱曲线、热重曲线以及DSC曲线的多个特征具体包括如下步骤:标定针对第一种类的再生塑料的标准样品的红外光谱曲线中的峰位置、峰强度以及峰个数;对针对第一种类的再生塑料的标准样品的热重曲线进行一次微分以及二次微分,随后标定针对第一种类的再生塑料的标准样品的热重曲线的峰位置、峰强度以及峰个数,并且标定针对第一种类的再生塑料的标准样品的热重曲线的一次微分曲线以及二次微分曲线的峰位置、峰强度以及峰个数;对针对第一种类的再生塑料的标准样品的DSC曲线进行一次微分以及二次微分,随后标定针对第一种类的再生塑料的标准样品的DSC曲线的峰位置、峰强度以及峰个数,并且标定针对第一种类的再生塑料的标准样品的DSC曲线的一次微分曲线以及二次微分曲线的峰位置、峰强度以及峰个数。
在一优选的实施方式中,再生塑料的自动智能判断方法包括如下步骤:如果针对第一种类的新生产塑料的标准样品的红外光谱曲线与针对第一种类的再生塑料的标准样品的红外光谱曲线不具有足够的区分度,则执行以下操作:对第一种类的待判断的样品进行热重测试;针对第一种类的待判断的样品的热重曲线进行分析,得到针对第一种类的待判断的样品的热重曲线的多个特征;确定针对第一种类的新生产塑料的标准样品的热重曲线与针对第一种类的再生塑料的标准样品的热重曲线是否具有足够的区分度;如果针对第一种类的新生产塑料的标准样品的热重曲线与针对第一种类的再生塑料的标准样品的热重曲线具有足够的区分度,则确定针对第一种类的待判断的样品的热重曲线的多个特征与针对第一种类的新生产塑料的标准样品的热重曲线的多个特征是否对应,如果针对第一种类的待判断的样品的热重曲线的多个特征与针对第一种类的新生产塑料的标准样品的热重曲线的多个特征对应,则判断第一种类的待判断的样品是新生产塑料;以及如果针对第一种类的待判断的样品的热重曲线的多个特征与针对第一种类的新生产塑料的标准样品的热重曲线的多个特征不对应,则确定针对第一种类的待判断的样品的热重曲线的多个特征与针对第一种类的再生塑料的标准样品的热重曲线的多个特征是否对应,如果针对第一种类的待判断的样品的热重曲线的多个特征与针对第一种类的再生的标准样品的热重曲线的多个特征对应,则判断第一种类的待判断的样品是再生塑料。
在一优选的实施方式中,再生塑料的自动智能判断方法包括如下步骤:如果针对第一种类的新生产塑料的标准样品的热重曲线与针对第一种类的再生塑料的标准样品的热重曲线不具有足够的区分度,则执行以下操作:对第一种类的待判断的样品进行DSC测试;针对第一种类的待判断的样品的DSC曲线进行分析,得到针对第一种类的待判断的样品的DSC曲线的多个特征;确定针对第一种类的新生产塑料的标准样品的DSC曲线与针对第一种类的再生塑料的标准样品的DSC曲线是否具有足够的区分度;如果针对第一种类的新生产塑料的标准样品的DSC曲线与针对第一种类的再生塑料的标准样品的DSC曲线具有足够的区分度,则确定针对第一种类的待判断的样品的DSC曲线的多个特征与针对第一种类的新生产塑料的标准样品的DSC曲线的多个特征是否对应,如果针对第一种类的待判断的样品的DSC曲线的多个特征与针对第一种类的新生产塑料的标准样品的DSC曲线的多个特征对应,则判断第一种类的待判断的样品是新生产塑料;以及如果针对第一种类的待判断的样品的DSC曲线的多个特征与针对第一种类的新生产塑料的标准样品的DSC曲线的多个特征不对应,则确定针对第一种类的待判断的样品的DSC曲线的多个特征与针对第一种类的再生塑料的标准样品的DSC曲线的多个特征是否对应,如果针对第一种类的待判断的样品的DSC曲线的多个特征与针对第一种类的再生的标准样品的DSC曲线的多个特征对应,则判断第一种类的待判断的样品是再生塑料。
需要指出的是,本发明中,如何判断各类曲线是否具有足够的区分度本身是本领域公知的方法,例如对于红外光谱曲线而言,如果两个图谱中的峰个数、峰位置以及峰值均相似,则说明两条曲线之间缺乏区分度,峰个数、峰位置以及峰值相似的标准可以是本领域技术人员依据经验得出的(例如峰位置如果相差小于3%,则可以认为两个峰位置相似或相同,峰值相差小于15%,可以认为两个峰值相似或相同,如果两条曲线只相差某个不明显的峰,并且本领域技术人员又明确知道该不明显的峰的出现原因,则可以认为峰个数相似或相同等等),上述标准也可以通过统计方法得出(提供足够大量的标准样品,然后对各种标准样品进行测试,得到峰个数、峰位置以及峰值的正态分布曲线,然后依据预定置信度进行相似与否的判断)。同样的,确定待判断的样品的各类曲线的多个特征与针对第一种类的新生产塑料的标准样品的各类曲线的多个特征是否对应也是使用上述的“相似”标准进行,例如可以规定,如果待判断的样品的各类曲线的多个特征与针对第一种类的新生产塑料的标准样品的各类曲线的多个特征中有10个最明显特征(峰值最大、位置显著、峰面积最大等等)相似,那么就可以认为待判断样品属于新生产塑料。同样的,上述特征个数门限可以依据经验确定,也可以依据统计规律设定。
本发明还提供了一种再生塑料的自动智能判断系统,包括:红外光谱测试装置,其与智能判断中心通信连接;热重测试装置,其与智能判断中心通信连接;以及DSC测试装置,其与智能判断中心通信连接;
其中,智能判断中心能够控制红外光谱测试装置、热重测试装置以及DSC测试装置完成以下操作:
对第一种类的新生产塑料的标准样品进行红外光谱测试、热重曲线测试以及DSC测试;对第一种类的再生塑料的标准样品进行红外光谱测试、热重曲线测试以及DSC测试;针对第一种类的新生产塑料的标准样品的红外光谱曲线、热重曲线以及DSC曲线进行分析,得到针对第一种类的新生产塑料的标准样品的红外光谱曲线、热重曲线以及DSC曲线的多个特征;针对第一种类的再生塑料的标准样品的红外光谱曲线、热重曲线以及DSC曲线进行分析,得到针对第一种类的再生塑料的标准样品的红外光谱曲线、热重曲线以及DSC曲线的多个特征;对第一种类的待判断的样品进行红外光谱测试;针对第一种类的待判断的样品的红外光谱曲线进行分析,得到针对第一种类的待判断的样品的红外光谱曲线的多个特征;确定针对第一种类的新生产塑料的标准样品的红外光谱曲线与针对第一种类的再生塑料的标准样品的红外光谱曲线是否具有足够的区分度;如果针对第一种类的新生产塑料的标准样品的红外光谱曲线与针对第一种类的再生塑料的标准样品的红外光谱曲线具有足够的区分度,则执行以下操作:确定针对第一种类的待判断的样品的红外光谱曲线的多个特征与针对第一种类的新生产塑料的标准样品的红外光谱曲线的多个特征是否对应,如果针对第一种类的待判断的样品的红外光谱曲线的多个特征与针对第一种类的新生产塑料的标准样品的红外光谱曲线的多个特征对应,则判断第一种类的待判断的样品是新生产塑料。
在一优选的实施方式中,智能判断中心还被配置为:如果针对第一种类的待判断的样品的红外光谱曲线的多个特征与针对第一种类的新生产塑料的标准样品的红外光谱曲线的多个特征不对应,则继续确定针对第一种类的待判断的样品的红外光谱曲线的多个特征与针对第一种类的再生塑料的标准样品的红外光谱曲线的红外光谱曲线的多个特征是否对应;以及如果针对第一种类的待判断的样品的红外光谱曲线的多个特征与针对第一种类的再生塑料的标准样品的红外光谱曲线的红外光谱曲线的多个特征对应,则判断第一种类的待判断的样品是再生塑料。
在一优选的实施方式中,其中,针对第一种类的新生产塑料的标准样品的红外光谱曲线、热重曲线以及DSC曲线进行分析,得到针对第一种类的新生产塑料的标准样品的红外光谱曲线、热重曲线以及DSC曲线的多个特征具体包括如下步骤:标定针对第一种类的新生产塑料的标准样品的红外光谱曲线中的峰位置、峰强度以及峰个数;对针对第一种类的新生产塑料的标准样品的热重曲线进行一次微分以及二次微分,随后标定针对第一种类的新生产塑料的标准样品的热重曲线的峰位置、峰强度以及峰个数,并且标定针对第一种类的新生产塑料的标准样品的热重曲线的一次微分曲线以及二次微分曲线的峰位置、峰强度以及峰个数;对针对第一种类的新生产塑料的标准样品的DSC曲线进行一次微分以及二次微分,随后标定针对第一种类的新生产塑料的标准样品的DSC曲线的峰位置、峰强度以及峰个数,并且标定针对第一种类的新生产塑料的标准样品的DSC曲线的一次微分曲线以及二次微分曲线的峰位置、峰强度以及峰个数;针对第一种类的再生塑料的标准样品的红外光谱曲线、热重曲线以及DSC曲线进行分析,得到针对第一种类的再生塑料的标准样品的红外光谱曲线、热重曲线以及DSC曲线的多个特征具体包括如下步骤:标定针对第一种类的再生塑料的标准样品的红外光谱曲线中的峰位置、峰强度以及峰个数;对针对第一种类的再生塑料的标准样品的热重曲线进行一次微分以及二次微分,随后标定针对第一种类的再生塑料的标准样品的热重曲线的峰位置、峰强度以及峰个数,并且标定针对第一种类的再生塑料的标准样品的热重曲线的一次微分曲线以及二次微分曲线的峰位置、峰强度以及峰个数;对针对第一种类的再生塑料的标准样品的DSC曲线进行一次微分以及二次微分,随后标定针对第一种类的再生塑料的标准样品的DSC曲线的峰位置、峰强度以及峰个数,并且标定针对第一种类的再生塑料的标准样品的DSC曲线的一次微分曲线以及二次微分曲线的峰位置、峰强度以及峰个数。
在一优选的实施方式中,智能判断中心还被配置为:如果针对第一种类的新生产塑料的标准样品的红外光谱曲线与针对第一种类的再生塑料的标准样品的红外光谱曲线不具有足够的区分度,则执行以下操作:对第一种类的待判断的样品进行热重测试;针对第一种类的待判断的样品的热重曲线进行分析,得到针对第一种类的待判断的样品的热重曲线的多个特征;确定针对第一种类的新生产塑料的标准样品的热重曲线与针对第一种类的再生塑料的标准样品的热重曲线是否具有足够的区分度;如果针对第一种类的新生产塑料的标准样品的热重曲线与针对第一种类的再生塑料的标准样品的热重曲线具有足够的区分度,则确定针对第一种类的待判断的样品的热重曲线的多个特征与针对第一种类的新生产塑料的标准样品的热重曲线的多个特征是否对应,如果针对第一种类的待判断的样品的热重曲线的多个特征与针对第一种类的新生产塑料的标准样品的热重曲线的多个特征对应,则判断第一种类的待判断的样品是新生产塑料;以及如果针对第一种类的待判断的样品的热重曲线的多个特征与针对第一种类的新生产塑料的标准样品的热重曲线的多个特征不对应,则确定针对第一种类的待判断的样品的热重曲线的多个特征与针对第一种类的再生塑料的标准样品的热重曲线的多个特征是否对应,如果针对第一种类的待判断的样品的热重曲线的多个特征与针对第一种类的再生的标准样品的热重曲线的多个特征对应,则判断第一种类的待判断的样品是再生塑料。
在一优选的实施方式中,智能判断中心还被配置为:如果针对第一种类的新生产塑料的标准样品的热重曲线与针对第一种类的再生塑料的标准样品的热重曲线不具有足够的区分度,则执行以下操作:对第一种类的待判断的样品进行DSC测试;针对第一种类的待判断的样品的DSC曲线进行分析,得到针对第一种类的待判断的样品的DSC曲线的多个特征;确定针对第一种类的新生产塑料的标准样品的DSC曲线与针对第一种类的再生塑料的标准样品的DSC曲线是否具有足够的区分度;如果针对第一种类的新生产塑料的标准样品的DSC曲线与针对第一种类的再生塑料的标准样品的DSC曲线具有足够的区分度,则确定针对第一种类的待判断的样品的DSC曲线的多个特征与针对第一种类的新生产塑料的标准样品的DSC曲线的多个特征是否对应,如果针对第一种类的待判断的样品的DSC曲线的多个特征与针对第一种类的新生产塑料的标准样品的DSC曲线的多个特征对应,则判断第一种类的待判断的样品是新生产塑料;以及如果针对第一种类的待判断的样品的DSC曲线的多个特征与针对第一种类的新生产塑料的标准样品的DSC曲线的多个特征不对应,则确定针对第一种类的待判断的样品的DSC曲线的多个特征与针对第一种类的再生塑料的标准样品的DSC曲线的多个特征是否对应,如果针对第一种类的待判断的样品的DSC曲线的多个特征与针对第一种类的再生的标准样品的DSC曲线的多个特征对应,则判断第一种类的待判断的样品是再生塑料。
前述对本发明的具体示例性实施方案的描述是为了说明和例证的目的。这些描述并非想将本发明限定为所公开的精确形式,并且很显然,根据上述教导,可以进行很多改变和变化。对示例性实施例进行选择和描述的目的在于解释本发明的特定原理及其实际应用,从而使得本领域的技术人员能够实现并利用本发明的各种不同的示例性实施方案以及各种不同的选择和改变。本发明的范围意在由权利要求书及其等同形式所限定。
Claims (10)
1.一种再生塑料的自动智能判断方法,其特征在于:所述再生塑料的自动智能判断方法包括如下步骤:
对第一种类的新生产塑料的标准样品进行红外光谱测试、热重曲线测试以及DSC测试;
对第一种类的再生塑料的标准样品进行红外光谱测试、热重曲线测试以及DSC测试;
针对第一种类的新生产塑料的标准样品的红外光谱曲线、热重曲线以及DSC曲线进行分析,得到针对第一种类的新生产塑料的标准样品的红外光谱曲线、热重曲线以及DSC曲线的多个特征;
针对第一种类的再生塑料的标准样品的红外光谱曲线、热重曲线以及DSC曲线进行分析,得到针对第一种类的再生塑料的标准样品的红外光谱曲线、热重曲线以及DSC曲线的多个特征;
对第一种类的待判断的样品进行红外光谱测试;
针对第一种类的待判断的样品的红外光谱曲线进行分析,得到针对第一种类的待判断的样品的红外光谱曲线的多个特征;
确定针对第一种类的新生产塑料的标准样品的红外光谱曲线与针对第一种类的再生塑料的标准样品的红外光谱曲线是否具有足够的区分度;
如果针对第一种类的新生产塑料的标准样品的红外光谱曲线与针对第一种类的再生塑料的标准样品的红外光谱曲线具有足够的区分度,则执行以下操作:
确定针对第一种类的待判断的样品的红外光谱曲线的多个特征与针对第一种类的新生产塑料的标准样品的红外光谱曲线的多个特征是否对应,如果针对第一种类的待判断的样品的红外光谱曲线的多个特征与针对第一种类的新生产塑料的标准样品的红外光谱曲线的多个特征对应,则判断第一种类的待判断的样品是新生产塑料。
2.如权利要求1所述的再生塑料的自动智能判断方法,其特征在于:所述再生塑料的自动智能判断方法还包括如下步骤:
如果针对第一种类的待判断的样品的红外光谱曲线的多个特征与针对第一种类的新生产塑料的标准样品的红外光谱曲线的多个特征不对应,则继续确定针对第一种类的待判断的样品的红外光谱曲线的多个特征与针对第一种类的再生塑料的标准样品的红外光谱曲线的红外光谱曲线的多个特征是否对应;以及
如果针对第一种类的待判断的样品的红外光谱曲线的多个特征与针对第一种类的再生塑料的标准样品的红外光谱曲线的红外光谱曲线的多个特征对应,则判断第一种类的待判断的样品是再生塑料。
3.如权利要求2所述的再生塑料的自动智能判断方法,其特征在于:其中,针对第一种类的新生产塑料的标准样品的红外光谱曲线、热重曲线以及DSC曲线进行分析,得到针对第一种类的新生产塑料的标准样品的红外光谱曲线、热重曲线以及DSC曲线的多个特征具体包括如下步骤:
标定针对第一种类的新生产塑料的标准样品的红外光谱曲线中的峰位置、峰强度以及峰个数;
对针对第一种类的新生产塑料的标准样品的热重曲线进行一次微分以及二次微分,随后标定针对第一种类的新生产塑料的标准样品的热重曲线的峰位置、峰强度以及峰个数,并且标定针对第一种类的新生产塑料的标准样品的热重曲线的一次微分曲线以及二次微分曲线的峰位置、峰强度以及峰个数;
对针对第一种类的新生产塑料的标准样品的DSC曲线进行一次微分以及二次微分,随后标定针对第一种类的新生产塑料的标准样品的DSC曲线的峰位置、峰强度以及峰个数,并且标定针对第一种类的新生产塑料的标准样品的DSC曲线的一次微分曲线以及二次微分曲线的峰位置、峰强度以及峰个数;
针对第一种类的再生塑料的标准样品的红外光谱曲线、热重曲线以及DSC曲线进行分析,得到针对第一种类的再生塑料的标准样品的红外光谱曲线、热重曲线以及DSC曲线的多个特征具体包括如下步骤:
标定针对第一种类的再生塑料的标准样品的红外光谱曲线中的峰位置、峰强度以及峰个数;
对针对第一种类的再生塑料的标准样品的热重曲线进行一次微分以及二次微分,随后标定针对第一种类的再生塑料的标准样品的热重曲线的峰位置、峰强度以及峰个数,并且标定针对第一种类的再生塑料的标准样品的热重曲线的一次微分曲线以及二次微分曲线的峰位置、峰强度以及峰个数;以及
对针对第一种类的再生塑料的标准样品的DSC曲线进行一次微分以及二次微分,随后标定针对第一种类的再生塑料的标准样品的DSC曲线的峰位置、峰强度以及峰个数,并且标定针对第一种类的再生塑料的标准样品的DSC曲线的一次微分曲线以及二次微分曲线的峰位置、峰强度以及峰个数。
4.如权利要求3所述的再生塑料的自动智能判断方法,其特征在于:所述再生塑料的自动智能判断方法还包括如下步骤:如果针对第一种类的新生产塑料的标准样品的红外光谱曲线与针对第一种类的再生塑料的标准样品的红外光谱曲线不具有足够的区分度,则执行以下操作:
对第一种类的待判断的样品进行热重测试;
针对第一种类的待判断的样品的热重曲线进行分析,得到针对第一种类的待判断的样品的热重曲线的多个特征;
确定针对第一种类的新生产塑料的标准样品的热重曲线与针对第一种类的再生塑料的标准样品的热重曲线是否具有足够的区分度;
如果针对第一种类的新生产塑料的标准样品的热重曲线与针对第一种类的再生塑料的标准样品的热重曲线具有足够的区分度,则确定针对第一种类的待判断的样品的热重曲线的多个特征与针对第一种类的新生产塑料的标准样品的热重曲线的多个特征是否对应,如果针对第一种类的待判断的样品的热重曲线的多个特征与针对第一种类的新生产塑料的标准样品的热重曲线的多个特征对应,则判断第一种类的待判断的样品是新生产塑料;以及
如果针对第一种类的待判断的样品的热重曲线的多个特征与针对第一种类的新生产塑料的标准样品的热重曲线的多个特征不对应,则确定针对第一种类的待判断的样品的热重曲线的多个特征与针对第一种类的再生塑料的标准样品的热重曲线的多个特征是否对应,如果针对第一种类的待判断的样品的热重曲线的多个特征与针对第一种类的再生的标准样品的热重曲线的多个特征对应,则判断第一种类的待判断的样品是再生塑料。
5.如权利要求4所述的再生塑料的自动智能判断方法,其特征在于:所述再生塑料的自动智能判断方法包括如下步骤:如果针对第一种类的新生产塑料的标准样品的热重曲线与针对第一种类的再生塑料的标准样品的热重曲线不具有足够的区分度,则执行以下操作:
对第一种类的待判断的样品进行DSC测试;
针对第一种类的待判断的样品的DSC曲线进行分析,得到针对第一种类的待判断的样品的DSC曲线的多个特征;
确定针对第一种类的新生产塑料的标准样品的DSC曲线与针对第一种类的再生塑料的标准样品的DSC曲线是否具有足够的区分度;
如果针对第一种类的新生产塑料的标准样品的DSC曲线与针对第一种类的再生塑料的标准样品的DSC曲线具有足够的区分度,则确定针对第一种类的待判断的样品的DSC曲线的多个特征与针对第一种类的新生产塑料的标准样品的DSC曲线的多个特征是否对应,如果针对第一种类的待判断的样品的DSC曲线的多个特征与针对第一种类的新生产塑料的标准样品的DSC曲线的多个特征对应,则判断第一种类的待判断的样品是新生产塑料;以及
如果针对第一种类的待判断的样品的DSC曲线的多个特征与针对第一种类的新生产塑料的标准样品的DSC曲线的多个特征不对应,则确定针对第一种类的待判断的样品的DSC曲线的多个特征与针对第一种类的再生塑料的标准样品的DSC曲线的多个特征是否对应,如果针对第一种类的待判断的样品的DSC曲线的多个特征与针对第一种类的再生的标准样品的DSC曲线的多个特征对应,则判断第一种类的待判断的样品是再生塑料。
6.一种再生塑料的自动智能判断系统,其特征在于:所述自动智能判断系统包括:
红外光谱测试装置,其与智能判断中心通信连接;
热重测试装置,其与智能判断中心通信连接;以及
DSC测试装置,其与智能判断中心通信连接;
其中,所述智能判断中心能够控制红外光谱测试装置、热重测试装置以及DSC测试装置完成以下操作:
对第一种类的新生产塑料的标准样品进行红外光谱测试、热重曲线测试以及DSC测试;
对第一种类的再生塑料的标准样品进行红外光谱测试、热重曲线测试以及DSC测试;
针对第一种类的新生产塑料的标准样品的红外光谱曲线、热重曲线以及DSC曲线进行分析,得到针对第一种类的新生产塑料的标准样品的红外光谱曲线、热重曲线以及DSC曲线的多个特征;
针对第一种类的再生塑料的标准样品的红外光谱曲线、热重曲线以及DSC曲线进行分析,得到针对第一种类的再生塑料的标准样品的红外光谱曲线、热重曲线以及DSC曲线的多个特征;
对第一种类的待判断的样品进行红外光谱测试;
针对第一种类的待判断的样品的红外光谱曲线进行分析,得到针对第一种类的待判断的样品的红外光谱曲线的多个特征;
确定针对第一种类的新生产塑料的标准样品的红外光谱曲线与针对第一种类的再生塑料的标准样品的红外光谱曲线是否具有足够的区分度;
如果针对第一种类的新生产塑料的标准样品的红外光谱曲线与针对第一种类的再生塑料的标准样品的红外光谱曲线具有足够的区分度,则执行以下操作:
确定针对第一种类的待判断的样品的红外光谱曲线的多个特征与针对第一种类的新生产塑料的标准样品的红外光谱曲线的多个特征是否对应,如果针对第一种类的待判断的样品的红外光谱曲线的多个特征与针对第一种类的新生产塑料的标准样品的红外光谱曲线的多个特征对应,则判断第一种类的待判断的样品是新生产塑料。
7.如权利要求6所述的再生塑料的自动智能判断系统,其特征在于:所述智能判断中心还被配置为:如果针对第一种类的待判断的样品的红外光谱曲线的多个特征与针对第一种类的新生产塑料的标准样品的红外光谱曲线的多个特征不对应,则继续确定针对第一种类的待判断的样品的红外光谱曲线的多个特征与针对第一种类的再生塑料的标准样品的红外光谱曲线的红外光谱曲线的多个特征是否对应;
如果针对第一种类的待判断的样品的红外光谱曲线的多个特征与针对第一种类的再生塑料的标准样品的红外光谱曲线的红外光谱曲线的多个特征对应,则判断第一种类的待判断的样品是再生塑料。
8.如权利要求7所述的再生塑料的自动智能判断系统,其特征在于:其中,针对第一种类的新生产塑料的标准样品的红外光谱曲线、热重曲线以及DSC曲线进行分析,得到针对第一种类的新生产塑料的标准样品的红外光谱曲线、热重曲线以及DSC曲线的多个特征具体包括如下步骤:
标定针对第一种类的新生产塑料的标准样品的红外光谱曲线中的峰位置、峰强度以及峰个数;
对针对第一种类的新生产塑料的标准样品的热重曲线进行一次微分以及二次微分,随后标定针对第一种类的新生产塑料的标准样品的热重曲线的峰位置、峰强度以及峰个数,并且标定针对第一种类的新生产塑料的标准样品的热重曲线的一次微分曲线以及二次微分曲线的峰位置、峰强度以及峰个数;
对针对第一种类的新生产塑料的标准样品的DSC曲线进行一次微分以及二次微分,随后标定针对第一种类的新生产塑料的标准样品的DSC曲线的峰位置、峰强度以及峰个数,并且标定针对第一种类的新生产塑料的标准样品的DSC曲线的一次微分曲线以及二次微分曲线的峰位置、峰强度以及峰个数;
针对第一种类的再生塑料的标准样品的红外光谱曲线、热重曲线以及DSC曲线进行分析,得到针对第一种类的再生塑料的标准样品的红外光谱曲线、热重曲线以及DSC曲线的多个特征具体包括如下步骤:
标定针对第一种类的再生塑料的标准样品的红外光谱曲线中的峰位置、峰强度以及峰个数;
对针对第一种类的再生塑料的标准样品的热重曲线进行一次微分以及二次微分,随后标定针对第一种类的再生塑料的标准样品的热重曲线的峰位置、峰强度以及峰个数,并且标定针对第一种类的再生塑料的标准样品的热重曲线的一次微分曲线以及二次微分曲线的峰位置、峰强度以及峰个数;
对针对第一种类的再生塑料的标准样品的DSC曲线进行一次微分以及二次微分,随后标定针对第一种类的再生塑料的标准样品的DSC曲线的峰位置、峰强度以及峰个数,并且标定针对第一种类的再生塑料的标准样品的DSC曲线的一次微分曲线以及二次微分曲线的峰位置、峰强度以及峰个数。
9.如权利要求8所述的再生塑料的自动智能判断系统,其特征在于:所述智能判断中心还被配置为:如果针对第一种类的新生产塑料的标准样品的红外光谱曲线与针对第一种类的再生塑料的标准样品的红外光谱曲线不具有足够的区分度,则执行以下操作:
对第一种类的待判断的样品进行热重测试;
针对第一种类的待判断的样品的热重曲线进行分析,得到针对第一种类的待判断的样品的热重曲线的多个特征;
确定针对第一种类的新生产塑料的标准样品的热重曲线与针对第一种类的再生塑料的标准样品的热重曲线是否具有足够的区分度;
如果针对第一种类的新生产塑料的标准样品的热重曲线与针对第一种类的再生塑料的标准样品的热重曲线具有足够的区分度,则确定针对第一种类的待判断的样品的热重曲线的多个特征与针对第一种类的新生产塑料的标准样品的热重曲线的多个特征是否对应,如果针对第一种类的待判断的样品的热重曲线的多个特征与针对第一种类的新生产塑料的标准样品的热重曲线的多个特征对应,则判断第一种类的待判断的样品是新生产塑料;以及
如果针对第一种类的待判断的样品的热重曲线的多个特征与针对第一种类的新生产塑料的标准样品的热重曲线的多个特征不对应,则确定针对第一种类的待判断的样品的热重曲线的多个特征与针对第一种类的再生塑料的标准样品的热重曲线的多个特征是否对应,如果针对第一种类的待判断的样品的热重曲线的多个特征与针对第一种类的再生的标准样品的热重曲线的多个特征对应,则判断第一种类的待判断的样品是再生塑料。
10.如权利要求9所述的再生塑料的自动智能判断系统,其特征在于:所述智能判断中心还被配置为:如果针对第一种类的新生产塑料的标准样品的热重曲线与针对第一种类的再生塑料的标准样品的热重曲线不具有足够的区分度,则执行以下操作:
对第一种类的待判断的样品进行DSC测试;
针对第一种类的待判断的样品的DSC曲线进行分析,得到针对第一种类的待判断的样品的DSC曲线的多个特征;
确定针对第一种类的新生产塑料的标准样品的DSC曲线与针对第一种类的再生塑料的标准样品的DSC曲线是否具有足够的区分度;
如果针对第一种类的新生产塑料的标准样品的DSC曲线与针对第一种类的再生塑料的标准样品的DSC曲线具有足够的区分度,则确定针对第一种类的待判断的样品的DSC曲线的多个特征与针对第一种类的新生产塑料的标准样品的DSC曲线的多个特征是否对应,如果针对第一种类的待判断的样品的DSC曲线的多个特征与针对第一种类的新生产塑料的标准样品的DSC曲线的多个特征对应,则判断第一种类的待判断的样品是新生产塑料;以及
如果针对第一种类的待判断的样品的DSC曲线的多个特征与针对第一种类的新生产塑料的标准样品的DSC曲线的多个特征不对应,则确定针对第一种类的待判断的样品的DSC曲线的多个特征与针对第一种类的再生塑料的标准样品的DSC曲线的多个特征是否对应,如果针对第一种类的待判断的样品的DSC曲线的多个特征与针对第一种类的再生的标准样品的DSC曲线的多个特征对应,则判断第一种类的待判断的样品是再生塑料。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810888665.9A CN108918450B (zh) | 2018-08-07 | 2018-08-07 | 再生塑料的自动智能判断方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810888665.9A CN108918450B (zh) | 2018-08-07 | 2018-08-07 | 再生塑料的自动智能判断方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108918450A true CN108918450A (zh) | 2018-11-30 |
CN108918450B CN108918450B (zh) | 2021-02-26 |
Family
ID=64394356
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810888665.9A Active CN108918450B (zh) | 2018-08-07 | 2018-08-07 | 再生塑料的自动智能判断方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108918450B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002008324A1 (de) * | 2000-07-22 | 2002-01-31 | Ecolab Gmbh & Co. Ohg | Kunststoff-recycling |
CN102175637A (zh) * | 2010-12-30 | 2011-09-07 | 中国药品生物制品检定所 | 一种检测塑料的方法 |
US20110224322A1 (en) * | 2002-04-12 | 2011-09-15 | Mba Polymers, Inc. | Compositions of material containing recycled plastics |
EP2865708A1 (en) * | 2013-09-27 | 2015-04-29 | Francis Osborn | Polystyrene recovery method |
CN207358904U (zh) * | 2017-05-15 | 2018-05-15 | 黄春梁 | 一种新型医疗器械专用镊子 |
-
2018
- 2018-08-07 CN CN201810888665.9A patent/CN108918450B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
WO2002008324A1 (de) * | 2000-07-22 | 2002-01-31 | Ecolab Gmbh & Co. Ohg | Kunststoff-recycling |
US20110224322A1 (en) * | 2002-04-12 | 2011-09-15 | Mba Polymers, Inc. | Compositions of material containing recycled plastics |
CN102175637A (zh) * | 2010-12-30 | 2011-09-07 | 中国药品生物制品检定所 | 一种检测塑料的方法 |
EP2865708A1 (en) * | 2013-09-27 | 2015-04-29 | Francis Osborn | Polystyrene recovery method |
CN207358904U (zh) * | 2017-05-15 | 2018-05-15 | 黄春梁 | 一种新型医疗器械专用镊子 |
Non-Patent Citations (4)
Title |
---|
MOHAMMAD N.SIDDIQUI 等: "Identification of different type of polymers in plastics waste", 《JOURNAL OF ENVIRONMENTAL SCIENCE AND HEALTH》 * |
WALKER CAMACHO 等: "NIR,DSC,and FTIR as quantitative methods for compositional analysis of blends of polymers obtained from recyceld mixed plastic waste", 《POLYMER ENGINEERING AND SCIENCE》 * |
刘能盛: "再生塑料检验鉴别技术的研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》 * |
李博洋: "基于分析谱图识别比对的高分子材料一致性判定系统的研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅰ辑》 * |
Also Published As
Publication number | Publication date |
---|---|
CN108918450B (zh) | 2021-02-26 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
TWI525317B (zh) | 整合影像分析與資料挖礦之自動光學檢測缺陷影像分類方法 | |
CN105388147A (zh) | 一种基于专用试纸对体液的检测方法 | |
KR102613725B1 (ko) | 환경 빅데이터 및 머신 러닝을 기반으로 한 고분자 재료의 사용 수명 예측 방법 | |
CN106560692A (zh) | 联合四种检验技术的武夷岩茶产地鉴别方法 | |
CN109030335A (zh) | 钛白粉初品耐候性评价方法 | |
CN106560691A (zh) | 具有深度学习功能的武夷岩茶产地鉴别方法 | |
CN100449302C (zh) | 瓶装黄酒标注酒龄快速无损鉴别方法和装置 | |
CN109297534A (zh) | 用于评价室内环境质量的环境参数权重确定方法及系统 | |
CN104374739A (zh) | 一种基于近红外定性分析的种子品种真实性鉴别方法 | |
CN111832389B (zh) | 一种骨髓细胞形态学自动检测系统的计数及分析方法 | |
JP5826166B2 (ja) | マルチパラメータデータ解析の方法及び装置 | |
CN109656808A (zh) | 一种基于混合式主动学习策略的软件缺陷预测方法 | |
CN103903009A (zh) | 一种基于机器视觉的工业品检测方法 | |
CN108470194A (zh) | 一种特征筛选方法及装置 | |
CN103258218B (zh) | 蒙版检测框架生成方法、装置、缺陷检测方法及装置 | |
CN108918450A (zh) | 再生塑料的自动智能判断方法及系统 | |
CN1796977A (zh) | 诊断和鉴定污染物的方法 | |
CN113095388B (zh) | 基于双层分类算法的固废塑料材质识别方法 | |
CN111863151B (zh) | 基于高斯过程回归的聚合物分子量分布的预测方法 | |
CN112199295B (zh) | 一种基于频谱的深度神经网络缺陷定位方法及系统 | |
CN106485049B (zh) | 一种基于蒙特卡洛交叉验证的nirs异常样本的检测方法 | |
CN104849350A (zh) | 基于多特征的木材缺陷识别分类方法 | |
CN108428247A (zh) | 焊锡点方向的检测方法和系统 | |
CN110427316B (zh) | 基于访问行为感知的嵌入式软件缺陷修复方法 | |
CN116734995A (zh) | 一种基于阅读书写的环境光指标检测及健康程度评估系统 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
TR01 | Transfer of patent right |
Effective date of registration: 20211230 Address after: 213200 No. 2, South Ring Road, Xuebu Town Industrial Park, Jintan District, Changzhou City, Jiangsu Province Patentee after: Dali new technology (Jiangsu) Co.,Ltd. Address before: 362212 No.66 Yuqiao, yunian village, Chidian Town, Quanzhou City, Fujian Province Patentee before: Huang Chunliang |
|
TR01 | Transfer of patent right |