CN113095388A - 基于双层分类算法的固废塑料材质识别方法 - Google Patents
基于双层分类算法的固废塑料材质识别方法 Download PDFInfo
- Publication number
- CN113095388A CN113095388A CN202110356567.2A CN202110356567A CN113095388A CN 113095388 A CN113095388 A CN 113095388A CN 202110356567 A CN202110356567 A CN 202110356567A CN 113095388 A CN113095388 A CN 113095388A
- Authority
- CN
- China
- Prior art keywords
- classification
- sample
- samples
- peak
- standard
- 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
- 229920003023 plastic Polymers 0.000 title claims abstract description 73
- 239000004033 plastic Substances 0.000 title claims abstract description 73
- 238000000034 method Methods 0.000 title claims abstract description 60
- 239000000463 material Substances 0.000 title claims abstract description 17
- 238000007635 classification algorithm Methods 0.000 title claims abstract description 16
- 239000002910 solid waste Substances 0.000 title claims abstract description 16
- 238000001514 detection method Methods 0.000 claims abstract description 32
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 24
- 230000003595 spectral effect Effects 0.000 claims abstract description 24
- 238000012706 support-vector machine Methods 0.000 claims abstract description 16
- 238000013507 mapping Methods 0.000 claims abstract description 11
- 239000002699 waste material Substances 0.000 claims abstract description 9
- 238000010521 absorption reaction Methods 0.000 claims description 15
- XLYOFNOQVPJJNP-UHFFFAOYSA-N water Substances O XLYOFNOQVPJJNP-UHFFFAOYSA-N 0.000 claims description 14
- 238000007781 pre-processing Methods 0.000 claims description 12
- 238000012360 testing method Methods 0.000 claims description 12
- 238000002329 infrared spectrum Methods 0.000 claims description 11
- 238000012937 correction Methods 0.000 claims description 6
- 238000013145 classification model Methods 0.000 claims description 5
- 238000003379 elimination reaction Methods 0.000 claims description 5
- 230000008030 elimination Effects 0.000 claims description 4
- 238000001228 spectrum Methods 0.000 claims description 4
- 238000012549 training Methods 0.000 claims description 4
- 238000000862 absorption spectrum Methods 0.000 claims description 2
- 230000003631 expected effect Effects 0.000 claims description 2
- 230000006378 damage Effects 0.000 abstract description 5
- 238000011084 recovery Methods 0.000 abstract description 4
- 239000004698 Polyethylene Substances 0.000 description 26
- 229920000573 polyethylene Polymers 0.000 description 26
- 239000004743 Polypropylene Substances 0.000 description 21
- 229920001155 polypropylene Polymers 0.000 description 20
- 239000004793 Polystyrene Substances 0.000 description 16
- 229920002223 polystyrene Polymers 0.000 description 15
- 229920000139 polyethylene terephthalate Polymers 0.000 description 10
- 239000005020 polyethylene terephthalate Substances 0.000 description 10
- 239000004800 polyvinyl chloride Substances 0.000 description 9
- 229920000915 polyvinyl chloride Polymers 0.000 description 8
- 238000004064 recycling Methods 0.000 description 7
- 238000005516 engineering process Methods 0.000 description 5
- 239000000126 substance Substances 0.000 description 5
- -1 Polyethylene Polymers 0.000 description 3
- 238000002835 absorbance Methods 0.000 description 2
- 238000011161 development Methods 0.000 description 2
- 230000005484 gravity Effects 0.000 description 2
- 238000005033 Fourier transform infrared spectroscopy Methods 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000010586 diagram Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000003912 environmental pollution Methods 0.000 description 1
- 125000000524 functional group Chemical group 0.000 description 1
- 238000009499 grossing Methods 0.000 description 1
- 230000007774 longterm Effects 0.000 description 1
- 238000004519 manufacturing process Methods 0.000 description 1
- 238000005259 measurement Methods 0.000 description 1
- 239000010813 municipal solid waste Substances 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000010183 spectrum analysis Methods 0.000 description 1
- 230000007704 transition Effects 0.000 description 1
- 238000002834 transmittance Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/24—Classification techniques
- G06F18/241—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches
- G06F18/2411—Classification techniques relating to the classification model, e.g. parametric or non-parametric approaches based on the proximity to a decision surface, e.g. support vector machines
-
- 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
- G01N21/3563—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light for analysing solids; Preparation of samples therefor
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/30—Administration of product recycling or disposal
-
- 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
- G01N2021/3595—Investigating relative effect of material at wavelengths characteristic of specific elements or molecules, e.g. atomic absorption spectrometry using infrared light using FTIR
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W30/00—Technologies for solid waste management
- Y02W30/50—Reuse, recycling or recovery technologies
- Y02W30/62—Plastics recycling; Rubber recycling
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02W—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO WASTEWATER TREATMENT OR WASTE MANAGEMENT
- Y02W90/00—Enabling technologies or technologies with a potential or indirect contribution to greenhouse gas [GHG] emissions mitigation
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Data Mining & Analysis (AREA)
- Spectroscopy & Molecular Physics (AREA)
- Human Resources & Organizations (AREA)
- Evolutionary Computation (AREA)
- Quality & Reliability (AREA)
- Evolutionary Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Bioinformatics & Computational Biology (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Sustainable Development (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- General Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Artificial Intelligence (AREA)
- Health & Medical Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- General Health & Medical Sciences (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本发明公开基于双层分类算法的固废塑料材质识别方法，使用傅里叶红外光谱仪采集样本中红外光谱数据，对样本数据进行数据校正、平滑降噪、消除水峰等预处理操作。之后使用光谱角度制图方法结合标准样本对待测样本进行首次分类，根据分类结果选择波峰检测算法或支持向量机的方法对样本进行二次分类，最后结合两次分类结果得到样本最终分类情况。本发明具有无损、快速、检测精度高、无二次污染、分类准确等优点，可以运用于具体生活中对废旧塑料的回收与利用。
Description
技术领域
本发明涉及分析化学检测无害化处理技术领域，尤其涉及基于双层分类算法的固废塑料材质识别方法。
背景技术
塑料制品因其便携、易使用、低成本等各项优良性能而被广泛应用于各行各业，且已成为人们生产生活中不可缺少的材料。然而大量的塑料消耗会造成严重的环境污染，现阶段塑料污染治理已经上升为亟需解决的重大社会问题。要想解决这一重大社会问题，研发一项合理的塑料回收方式至关重要。传统的塑料制品多采用焚烧和填埋的回收方式，但因其会产生二次污染和长久危害而正在被限制使用，塑料制品如何实现无害化、高效率的循环回收利用受到社会上越来越多的关注。
塑料制品要做到无害化、高效率的循环回收利用需要包含多个因素，比如：回收塑料的高性能与高质量、回收过程中不产生二次污染、回收过程的整体效率高、实施过程安全系数高等。若想解决塑料制品循环回收利用这一关键技术问题，对塑料制品的前端精细分类起到了重要的作用。
现阶段市场主流的分类方法有电磁分选法、密度分选法、浮力分选法和光电分选法四种，四种方法各具特色。电磁分选法、密度分选法和浮力分选法除了对分类环境和样品特性要求较高、分类效率低外，还存在检测精度不足等弊端。与此同时，随着计算机时代的大力发展，光电分选法因其无损、快速、检测精度高和无二次污染的特点近十年来被广泛推广使用。
光电分选法借助光学检测和传感识别技术，实现物质的高纯度回收。傅立叶变换红外光谱仪是由光源、分束器、探测器、数据处理系统组成的一种使用较为普遍的红外光谱仪器，可以得到待测样品的透过率或吸光度随波数或波长变化的红外吸收光谱图。红外吸收光谱图是分子振动或转动跃迁所引起的，当红外光照射样品时，分子中的不同化学键或官能团会发生不同频率的振动吸收，以此通过红外吸收光谱图鉴别样品物质以及确定它的化学组成、结构或者相对含量。
光谱分析技术是光谱测量技术结合化学计量学和校正模型对未知样品进行定性或定量分析的绿色技术，三者缺一不可。
发明内容
本发明的目的在于提供基于双层分类算法的固废塑料材质识别方法，可应用于可回收垃圾中的废旧塑料的回收与利用。
本发明采用的技术方案是：
基于双层分类算法的固废塑料材质识别方法，包括数据预处理阶段、首次分类阶段和二次分类阶段；
数据预处理阶段包括以下步骤：
S100、收集若干个废旧塑料制品，使用红外光谱仪对塑料样品进行红外谱图采集，得到测试样本的红外光谱数据；
S200、对测试样本的红外光谱数据进行光谱数据预处理操作；
S300、采集标准塑料样本，按步骤S100、S200对标准塑料样本进行操作得到标准塑料样本的红外光谱数据；
首次分类阶段包括以下步骤：
S400、对每一个测试样本和标准塑料样本，根据波数范围划分特征谱带区与指纹区；设定特征谱带区与指纹区权重比，结合权重比并使用光谱角度制图方法计算样本与每一个标准样本的夹角余弦值；并将样本分类为与标准塑料样本夹角余弦值最大的那一类，比较分类结果与样本标签计算得出分类正确率；所得到的余弦值越大，说明该样本与标准样本的相似度越高，最后将样本分类为与标准样本夹角余弦值最大的那一种类。
二次分类阶段包括以下步骤：
S500、根据塑料种类样本首次分类的结果，判定各种类是否需要进行二次分类；
当对应种类的样本需要二次分类时，则根据每种样本的数量、样本吸收峰的数量与位置的差异性选择波峰检测算法或者支持向量机的方法进行二次分类；当选择波峰检测算法时执行S600；当选择支持向量机的方法时执行S700；
当对应种类的样本不需要二次分类时，则判定该种类样本可直接由光谱角度制图方法分类，执行S900；
S600、当选择波峰检测算法时，需二次分类的种类样本分不同波峰范围依次使用波峰检测算法，并根据各个波峰范围内的吸收峰的检测情况进行二次分类，完成二次分类后执行S800；
S700、使用支持向量机的方法时，将步骤S200的样本数据按设定最佳比例分成训练集与测试集，并根据测试集的预测结果选择最优核函数以及gamma、degree、coef0参数得到最佳分类模型，通过最佳分类模型进行二次分类，之后执行S800；
S800、设定最佳相似度阈值，判断每一个样本在S400中与标准样本的最大夹角余弦值是否大于相似度阈值；是则，该样本分类结果以首次分类结果为准；否则，以二次分类结果为准；
S900、结合首次分类结果以及二次分类结果，最终确定分类每种样本需要进行的步骤。
进一步地，作为一种较优实施方式，S200中光谱数据预处理操作包括数据校正、平滑降噪、消除水峰。
进一步地，作为一种较优实施方式，S200中消除水峰过程即消除水峰对塑料分类的影响，将样本吸光度光谱中水峰处的数据置为0或其它固定的数字，从而使水峰处的数据不对样本分类结果产生干扰。
进一步地，作为一种较优实施方式，S400中将4000～1300cm-1波数范围设为特征谱带区，将1300～400cm-1波数范围设为指纹区。
进一步地，作为一种较优实施方式，S400中使用光谱角度制图方法求待测样本与标准塑料样本光谱数据的余弦距离，即根据比较待测样本与标准样本的相似度大小对其进行分类。
进一步地，作为一种较优实施方式，S400中每一个样本与标准塑料样本夹角余弦值的最大值记为αmax，即αmax＝max[w cosθ1+(1-w)cosθ2]，对于每一个样本，其αmax的值用于二次分类阶段后与相似度阈值ε大小进行比较，来判定分类该样本采用首次分类结果还是二次分类结果。
进一步地，作为一种较优实施方式，S500后是否进行二次分类阶段由经过步骤S400后的分类结果决定，当某种样本分类结果达到预期效果或者分类正确率已达到较高标准，则无需进行二次分类阶段；若分类正确率较低，或者预进一步提高分类正确率，则进行二次分类阶段。
进一步地，作为一种较优实施方式，S600的具体方法为：由于不同种类塑料在特定波数范围内的吸收峰数量一般不同，所以可以使用此算法对塑料样本进行二次分类。
对分类结果为PE的样本，在3200～3000cm-1波峰范围内使用波峰检测算法，峰高阈值设为40，峰宽阈值设为15，当检测出存在吸收峰,则将该样本重新分类为PS；
对于剩余PE样本及分类结果为PP的样本，在3000～2700cm-1波峰范围内使用波峰检测算法，峰高阈值设为30，峰宽阈值设为20；当检测出波峰数量大于3，则将样本分为PE一类；波峰数量小于等于3时分为PP一类。
进一步地，作为一种较优实施方式，S900中最终确定分类每种样本需要进行的步骤为：首次分类结果为PET或者PVC的塑料，无需进行二次分类；首次分类结果为PE、PP、PS的塑料需要进行二次分类，其中有部分PS样本会混入PE样本中，选择波峰检测算法进行二次分类，并将PS分类正确率提高到了100％；对于PE与PP样本出现混合的情况，选择支持向量机的方法，以对其进行二次分类；最终结合两次分类结果得到PE、PP、PS、PVC、PET五种塑料的分类方案。
本发明采用以上技术方案，使用红外光谱仪采集样本中红外光谱数据，对样本数据进行数据校正、平滑降噪、消除水峰等预处理操作。之后使用光谱角度制图方法结合标准样本对待测样本进行首次分类，根据分类结果选择波峰检测算法或支持向量机的方法对样本进行二次分类，最后结合两次分类结果得到样本最终分类情况。实验结果表明，本发明具有无损、快速、检测精度高、无二次污染、分类准确等优点，可以运用于具体生活中对废旧塑料的回收与利用。
附图说明
以下结合附图和具体实施方式对本发明做进一步详细说明；
图1为本发明实施例的样本分类步骤图
图2是本发明的步骤流程图。
具体实施方式
为使本申请实施例的目的、技术方案和优点更加清楚，下面将结合本申请实施例中的附图对本申请实施例中的技术方案进行清楚、完整地描述。
如图1或图2所示，本发明公开了基于双层分类算法的固废塑料材质识别方法，包括数据预处理阶段、首次分类阶段和二次分类阶段。
实施例：
所述数据预处理阶段包括以下步骤：
S100、用无偏采样法收集若干个废旧塑料，并采集其红外样本数据。选择美国Thermo Fisher品牌、型号为NICOLETIS10的傅里叶红外光谱仪对样品进行红外谱图采集，得到168个样本的红外光谱数据。其中聚乙烯(PE)、聚丙烯(PP)、聚苯乙烯(PS)、聚氯乙烯(PVC)、聚对苯二甲酸乙二醇酯(PET)五种样本分别为56、43、22、20、27个。
S200、对步骤S100中的样本数据进行数据校正、平滑降噪，其中3600～3300cm-1波长区间内数据为水峰，将该区域范围内的吸光度数据置为0，即消除水峰对后续塑料分类的影响。
S300、对于PE、PP、PS、PVC、PET五种标准塑料样本，按步骤S100、S200对标准塑料样本进行操作，得到预处理后的标准塑料样本的红外光谱数据。
所述首次分类阶段包括以下步骤：
S400、对于每一个待测样本或标准样本，将4000～1300cm-1波数范围设为特征谱带区，将1300～400cm-1波数范围设为指纹区。使用光谱角度制图方法分别计算在特征谱带区及指纹区上待测样本与PE、PP、PS、PVC、PET五种标准塑料样本的夹角余弦值cosθ1、cosθ2。设定特征谱带区比重为w，指纹区比重为1-w(其中0≤w≤1)。实验结果表明当w＝0.93时，分类效果最佳，此使w值为最佳权重。并将样本分类为与标准塑料样本夹角余弦值最大的那一类，即此时wcosθ1+(1-w)cosθ2取最大值αmax。比较分类结果与样本标签，得出分类正确率。当w取值为0.93时，分类结果如下图表1所示。此时PE、PP、PS、PVC、PET五种塑料样本的分类正确率分别为66.6％、69.7％、82.6％、95％、100％，样本总正确率为82.7％。
表1：光谱角度制图方法对五种样本分类情况
二次分类阶段包括以下步骤：
S500、根据步骤S400分类结果，得出PET样本分类正确率已达到100％，PVC样本分类正确率也较高，无需进行二次分类。而其余种类特别是PE与PP样本分类正确率较低，需要进行二次分类。
S600、对分类结果为PE的样本，在3200～3000cm-1波峰范围内使用波峰检测算法，峰高阈值设为40，峰宽阈值设为15，若检测出存在吸收峰,则将该样本重新分类为PS。对于剩余PE样本及分类结果为PP的样本，在3000～2700cm-1波峰范围内使用波峰检测算法，峰高阈值设为30，峰宽阈值设为20。若检测出波峰数量大于3，则将样本分为PE这一类；波峰数量小于等于3时分为PP这一类，最终分类结果如表2所示，PE、PP、PS分类正确率分别提高到91％、97.6％、100％，样本总正确率提高到95.8％。
表2：使用波峰检测算法后五种样本二次分类情况
S700、也可以使用支持向量机的方法对步骤S400后的PE与PP样本进行二次分类，按7：3的比例将标签为PE与PP的混合数据分成训练集与测试集，根据测试集的预测结果选取最佳分类模型，其中核函数选择线性核函数。
S800、选取最佳相似度阈值ε＝0.905，若步骤S400中分类结果为PE以及PP的样本数据的αmax＜ε，则使用该模型进行二次分类，反之则以步骤S400的分类结果为准。分类最终结果如表3所示，总正确率达到98.8％。
表3：使用支持向量机后五种样本二次分类情况
S900、根据首次分类与二次分类结果可以得出：首次分类结果为PET或者PVC的塑料，无需进行二次分类，而首次分类结果为PE、PP、PS的塑料需要进行二次分类，其中有部分PS样本会混入PE样本中，选择波峰检测算法进行二次分类，并将PS分类正确率提高到了100％。对于PE与PP样本出现混合的情况，选择支持向量机的方法，可以很好地对其进行二次分类。最终结合两次分类结果，可得到PE、PP、PS、PVC、PET五种塑料的分类方案。
上述为本发明的最佳实施例，实施例结果表明该方案利用傅里叶红外光谱仪可以很好地对废旧塑料进行分类。其中对于二次分类中波峰检测算法与支持向量机的方法，原则上可根据样本的数量以及样本吸收峰的数量与位置的差异性进行选择。当样本的吸收峰数量差异较大或相对位置相差较大(比如PE与PS)，可以选择波峰检测算法。当样本的吸收峰差异不明显且样本数据量足够多时(比如PE与PP)，可以选择支持向量机的方法对其进行二次分类。
本发明采用以上技术方案，使用傅里叶红外光谱仪采集样本中红外光谱数据，对样本数据进行数据校正、平滑降噪、消除水峰等预处理操作。之后使用光谱角度制图方法结合标准样本对待测样本进行首次分类，根据分类结果选择波峰检测算法或支持向量机的方法对样本进行二次分类，最后结合两次分类结果得到样本最终分类情况。实验结果表明，本发明具有无损、快速、检测精度高、无二次污染、分类准确等优点，可以运用于具体生活中对废旧塑料的回收与利用。
显然，所描述的实施例是本申请一部分实施例，而不是全部的实施例。在不冲突的情况下，本申请中的实施例及实施例中的特征可以相互组合。通常在此处附图中描述和示出的本申请实施例的组件可以以各种不同的配置来布置和设计。因此，本申请的实施例的详细描述并非旨在限制要求保护的本申请的范围，而是仅仅表示本申请的选定实施例。基于本申请中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本申请保护的范围。
Claims (9)
1.基于双层分类算法的固废塑料材质识别方法，其特征在于：方法包括数据预处理阶段、首次分类阶段和二次分类阶段；
数据预处理阶段包括以下步骤：
S100、收集若干个废旧塑料制品，使用红外光谱仪对塑料样品进行红外谱图采集，得到测试样本的红外光谱数据；
S200、对测试样本的红外光谱数据进行光谱数据预处理操作；
S300、采集标准塑料样本，按步骤S100、S200对标准塑料样本进行操作得到标准塑料样本的红外光谱数据；
首次分类阶段包括以下步骤：
S400、对每一个测试样本和标准塑料样本，根据波数范围划分特征谱带区与指纹区；设定特征谱带区与指纹区权重比，结合权重比并使用光谱角度制图方法计算样本与每一个标准样本的夹角余弦值；并将样本分类为与标准塑料样本夹角余弦值最大的那一类，比较分类结果与样本标签计算得出分类正确率；
二次分类阶段包括以下步骤：
S500、根据塑料种类样本首次分类的结果，判定各种类是否需要进行二次分类；
当对应种类的样本需要二次分类时，则根据每种样本的数量、样本吸收峰的数量与位置的差异性选择波峰检测算法或者支持向量机的方法进行二次分类；当选择波峰检测算法时执行
S600；当选择支持向量机的方法时执行S700；
当对应种类的样本不需要二次分类时，则判定该种类样本可直接由光谱角度制图方法分类，执行S900；
S600、当选择波峰检测算法时，需二次分类的种类样本分不同波峰范围依次使用波峰检测算法，并根据各个波峰范围内的吸收峰的检测情况进行二次分类，完成二次分类后执行S800；
S700、使用支持向量机的方法时，将步骤S200的样本数据按设定最佳比例分成训练集与测试集，根据测试集的预测结果进行训练，并选取得到最佳分类模型，通过最佳分类模型进行二次分类，之后执行S800；
S800、设定最佳相似度阈值，判断每一个样本在S400中与标准样本的最大夹角余弦值是否大于相似度阈值；是则，该样本分类结果以首次分类结果为准；否则，该样本以二次分类结果为准；
S900、结合首次分类结果以及二次分类结果，最终确定分类每种样本需要进行的步骤。
2.根据权利要求1所述的基于双层分类算法的固废塑料材质识别方法，其特征在于：S200中光谱数据预处理操作包括数据校正、平滑降噪、消除水峰。
3.根据权利要求1所述的基于双层分类算法的固废塑料材质识别方法，其特征在于：S200中消除水峰过程即消除水峰对塑料分类的影响，将样本吸光度光谱中水峰处的数据置为0或其它固定的数字，从而使水峰处的数据不对样本分类结果产生干扰。
4.根据权利要求1所述的基于双层分类算法的固废塑料材质识别方法，其特征在于：S400中将4000～1300cm-1波数范围设为特征谱带区，将1300～400cm-1波数范围设为指纹区。
5.根据权利要求1所述的基于双层分类算法的固废塑料材质识别方法，其特征在于：步骤S400中使用光谱角度制图方法求待测样本与标准塑料样本光谱数据的余弦距离，即根据比较待测样本与标准样本的相似度大小对其进行分类。
6.根据权利要求1所述的基于双层分类算法的固废塑料材质识别方法，其特征在于：S400中每一个样本与标准塑料样本夹角余弦值的最大值记为αmax，即αmax＝max[wcosθ1+(1-w)cosθ2]，对于每一个样本，其αmax的值用于二次分类阶段后与相似度阈值ε大小进行比较，来判定分类该样本采用首次分类结果还是二次分类结果。
7.根据权利要求1所述的基于双层分类算法的固废塑料材质识别方法，其特征在于：S500后是否进行二次分类阶段由经过步骤S400后的分类结果决定，当某种样本分类结果达到预期效果或者分类正确率已达到较高标准，则无需进行二次分类阶段；若分类正确率较低，或者预进一步提高分类正确率，则进行二次分类阶段。
8.根据权利要求1所述的基于双层分类算法的固废塑料材质识别方法，其特征在于：S600的具体方法为：
对分类结果为PE的样本，在3200～3000cm-1波峰范围内使用波峰检测算法，峰高阈值设为40，峰宽阈值设为15，当检测出存在吸收峰,则将该样本重新分类为PS；
对于剩余PE样本及分类结果为PP的样本，在3000～2700cm-1波峰范围内使用波峰检测算法，峰高阈值设为30，峰宽阈值设为20；当检测出波峰数量大于3，则将样本分为PE一类；波峰数量小于等于3时分为PP一类。
9.根据权利要求1所述的基于双层分类算法的固废塑料材质识别方法，其特征在于：步骤S900中最终确定分类每种样本需要进行的步骤为：首次分类结果为PET或者PVC的塑料，无需进行二次分类；首次分类结果为PE、PP、PS的塑料需要进行二次分类，其中有部分PS样本会混入PE样本中，选择波峰检测算法进行二次分类，并将PS分类正确率提高到了100％；对于PE与PP样本出现混合的情况，选择支持向量机的方法，以对其进行二次分类；最终结合两次分类结果得到PE、PP、PS、PVC、PET五种塑料的分类方案。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110356567.2A CN113095388B (zh) | 2021-04-01 | 2021-04-01 | 基于双层分类算法的固废塑料材质识别方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN202110356567.2A CN113095388B (zh) | 2021-04-01 | 2021-04-01 | 基于双层分类算法的固废塑料材质识别方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN113095388A true CN113095388A (zh) | 2021-07-09 |
| CN113095388B CN113095388B (zh) | 2023-06-30 |
Family
ID=76672661
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN202110356567.2A Active CN113095388B (zh) | 2021-04-01 | 2021-04-01 | 基于双层分类算法的固废塑料材质识别方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN113095388B (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115062807A (zh) * | 2022-08-19 | 2022-09-16 | 广东安拓普聚合物科技有限公司 | 一种pcr回收方法及系统 |
| CN117862189A (zh) * | 2024-03-13 | 2024-04-12 | 北京大学 | 一种化工业固废再利用智能自动处置系统 |
Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103499552A (zh) * | 2013-10-23 | 2014-01-08 | 天津工业大学 | 一种快速、智能的废旧塑料分类方法 |
| CN104502309A (zh) * | 2014-12-31 | 2015-04-08 | 天津大学 | 采用近红外光谱特征波长识别几种废旧塑料种类的方法 |
| EP2993624A2 (en) * | 2014-09-05 | 2016-03-09 | Omron Corporation | Identification apparatus and method for controlling identification apparatus |
| CN106872393A (zh) * | 2017-04-14 | 2017-06-20 | 北京国科虹谱光电技术有限公司 | 一种塑料废弃物中目标材质识别方法及装置 |
| CN208906167U (zh) * | 2018-09-05 | 2019-05-28 | 深圳市朗坤生物科技有限公司 | 一种废弃塑料种类的分选装置 |
| US20200019817A1 (en) * | 2018-07-11 | 2020-01-16 | Harbin Institute Of Technology | Superpixel classification method based on semi-supervised k-svd and multiscale sparse representation |
-
2021
- 2021-04-01 CN CN202110356567.2A patent/CN113095388B/zh active Active
Patent Citations (6)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN103499552A (zh) * | 2013-10-23 | 2014-01-08 | 天津工业大学 | 一种快速、智能的废旧塑料分类方法 |
| EP2993624A2 (en) * | 2014-09-05 | 2016-03-09 | Omron Corporation | Identification apparatus and method for controlling identification apparatus |
| CN104502309A (zh) * | 2014-12-31 | 2015-04-08 | 天津大学 | 采用近红外光谱特征波长识别几种废旧塑料种类的方法 |
| CN106872393A (zh) * | 2017-04-14 | 2017-06-20 | 北京国科虹谱光电技术有限公司 | 一种塑料废弃物中目标材质识别方法及装置 |
| US20200019817A1 (en) * | 2018-07-11 | 2020-01-16 | Harbin Institute Of Technology | Superpixel classification method based on semi-supervised k-svd and multiscale sparse representation |
| CN208906167U (zh) * | 2018-09-05 | 2019-05-28 | 深圳市朗坤生物科技有限公司 | 一种废弃塑料种类的分选装置 |
Cited By (4)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN115062807A (zh) * | 2022-08-19 | 2022-09-16 | 广东安拓普聚合物科技有限公司 | 一种pcr回收方法及系统 |
| CN115062807B (zh) * | 2022-08-19 | 2022-11-04 | 广东安拓普聚合物科技有限公司 | 一种pcr回收方法及系统 |
| CN117862189A (zh) * | 2024-03-13 | 2024-04-12 | 北京大学 | 一种化工业固废再利用智能自动处置系统 |
| CN117862189B (zh) * | 2024-03-13 | 2024-05-28 | 北京大学 | 一种化工业固废再利用智能自动处置系统 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN113095388B (zh) | 2023-06-30 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhu et al. | Plastic solid waste identification system based on near infrared spectroscopy in combination with support vector machine | |
| Serranti et al. | Characterization of microplastic litter from oceans by an innovative approach based on hyperspectral imaging | |
| Zheng et al. | A discrimination model in waste plastics sorting using NIR hyperspectral imaging system | |
| CN113095388A (zh) | 基于双层分类算法的固废塑料材质识别方法 | |
| CN107818298B (zh) | 用于机器学习物质识别算法的通用拉曼光谱特征提取方法 | |
| Karaca et al. | Automatic waste sorting using shortwave infrared hyperspectral imaging system | |
| 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 | |
| EP3339840A1 (en) | Resin determining method and resin determining apparatus | |
| CN108398416A (zh) | 一种基于激光拉曼光谱的混合物成分测定方法 | |
| Yu et al. | Recognition of wood surface defects with near infrared spectroscopy and machine vision | |
| CN103499552A (zh) | 一种快速、智能的废旧塑料分类方法 | |
| CN111488926A (zh) | 一种基于优化模型的土壤有机质测定方法 | |
| CN109374565A (zh) | 一种甲醇汽油乙醇汽油判别及含量测定方法 | |
| CN104020128A (zh) | 一种快速鉴别蜂胶胶源的方法 | |
| CN112362609A (zh) | 基于红外光谱技术鉴别油渍烟污染源的方法 | |
| Zhang et al. | Identification of beef spoilage via the analysis of volatiles using long optical-path Fourier transform infrared spectroscopy | |
| CN111595807B (zh) | 一种生物基食品包装膜中己内酰胺的定量检测方法 | |
| CN103868858A (zh) | 一种确定盐渍土主导盐分光谱响应最佳波段的方法 | |
| CN110987856B (zh) | 基于配方体系和指纹图谱的化妆品质量快速鉴定方法 | |
| Chen et al. | Spectroscopic identification of environmental microplastics | |
| CN110261346A (zh) | 一种基于近红外光谱快速检测土壤中pvc含量的方法 | |
| CN115656063A (zh) | 基于高光谱数据的目标污染物含量分析方法及装置 | |
| Xia et al. | Development of a chemometric methodology based on FTIR spectra for paper dating | |
| CN115586159A (zh) | 基于中红外光谱检测技术的白酒陈化缔合程度评定方法 |
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 | ||
| CB03 | Change of inventor or designer information |
Inventor after: Lin Mingwei Inventor after: He Zhu Inventor after: Zhu Keyu Inventor after: Chen Qinghua Inventor before: He Zhu Inventor before: Zhu Keyu Inventor before: Lin Mingwei Inventor before: Chen Qinghua |
|
| CB03 | Change of inventor or designer information | ||
| GR01 | Patent grant | ||
| GR01 | Patent grant |