CN205538680U - 一种激光探针识别塑料的装置 - Google Patents
一种激光探针识别塑料的装置 Download PDFInfo
- Publication number
- CN205538680U CN205538680U CN201620194194.8U CN201620194194U CN205538680U CN 205538680 U CN205538680 U CN 205538680U CN 201620194194 U CN201620194194 U CN 201620194194U CN 205538680 U CN205538680 U CN 205538680U
- Authority
- CN
- China
- Prior art keywords
- plastics
- spectrum
- laser
- laser microprobe
- measured
- 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.)
- Active
Links
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
- G01N21/62—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light
- G01N21/71—Systems in which the material investigated is excited whereby it emits light or causes a change in wavelength of the incident light thermally excited
- G01N21/718—Laser microanalysis, i.e. with formation of sample plasma
Landscapes
- Health & Medical Sciences (AREA)
- Physics & Mathematics (AREA)
- Analytical Chemistry (AREA)
- Biochemistry (AREA)
- Optics & Photonics (AREA)
- Nuclear Medicine, Radiotherapy & Molecular Imaging (AREA)
- Life Sciences & Earth Sciences (AREA)
- Chemical & Material Sciences (AREA)
- Engineering & Computer Science (AREA)
- Plasma & Fusion (AREA)
- General Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Immunology (AREA)
- Pathology (AREA)
- Investigating, Analyzing Materials By Fluorescence Or Luminescence (AREA)
- Investigating Or Analysing Materials By Optical Means (AREA)
Abstract
本实用新型公开了一种激光探针识别塑料的装置，包括激光器、激光波长反射镜、聚焦透镜、位移平台、光谱仪、ICCD和分类器模块，激光器、激光波长反射镜和聚焦透镜依次位于同一光路上；位移平台位于该聚焦透镜的出射光路上，用于放置待测塑料；光谱仪通过采集头采集位于位移平台上的待测塑料的激光探针光谱；ICCD与光谱仪相连，用于拍摄采集到的待测塑料的激光探针光谱；分类器模块用于将拍摄到的待测塑料的激光探针光谱与已知塑料类别的塑料激光探针光谱相比，从而识别待测塑料的类别。本实用新型通过对激光光路的结构及其设置方式、光谱采集部件及其连接方式等进行改进，能够有效解决塑料识别的问题，并且该装置识别精度高、速度快。
Description
技术领域
本实用新型属于激光精密检测领域，更具体地，涉及一种激光探针识别塑料的装置，该识别装置尤其是基于碳、氢、氧和氮非金属元素，具有识别精度高、速度快的特点。
背景技术
随着我国经济和社会的快速发展，塑料制品的用量日益增加。在方便人们生活的同时，也带来了诸多问题。由于塑料制品的生产需要消耗石油资源，及其在自然界中难降解的特性，若处理不当，会造成自然资源和能源的极大浪费，并导致严重的环境问题。因此，需要解决废旧塑料的回收再利用问题。而废旧塑料回收的关键是对其进行分类。通常情况下，不仅需要对不同类型的塑料进行快速分类，而且也需要对不同厂家生产的同类型塑料进行归类。然而，不同厂家生产的相同塑料往往因添加的增色剂不同呈现不同颜色，实际分类回收中需要把同类型的不同颜色塑料样品归为一类。因此，亟需一种新的检测方法，以解决目前相同类型不同颜色的塑料分类难题。
激光探针技术，即激光诱导击穿光谱(laser-induced breakdown spectroscopy，简称LIBS)技术是一种新型的成分分析技术，该技术由于具有不受样品表面颜色影响、多元素同时分析、远程探测、快速、无须繁琐的样品预处理及微损、高灵敏度等诸多优点，从而成为目前元素检测领域的研究和应用热点。
研究论文《支持向量机算法在激光诱导击穿光谱技术塑料识别中的应用研究》(物理学报，第62卷，21期)采用16条特征谱线，包括6条金 属谱线和10条非金属谱线将支持向量机算法(support vector machine，简称SVM)与激光探针技术相结合对11种塑料的平均识别精度为98.73％。中国专利文献《一种提高激光探针塑料识别精度的方法及装置》(公告号为104730041A，公告日为2015年6月24日)公开了一种塑料分类中特征谱线的权重调整算法，用于提高关键特征谱线的贡献率，从而提高塑料识别分类的准确率。
以上研究方法及对应的装置均是在塑料分类中获得较高的分类精度，但由于在分析中均采用了金属元素特征谱线，而金属元素往往是作为改变塑料的物理化学性质所添加的，或者是塑料加工过程中掺杂的杂质元素，即使对于同种塑料这些金属元素的含量因厂家不同而差别较大，因此，采用金属元素光谱谱线进行塑料的分类识别往往面临分类精度较低，甚至对部分无金属添加剂的塑料无法分类等技术难题。
实用新型内容
针对现有技术的以上缺陷或改进需求，本实用新型的目的在于提供一种激光探针识别塑料的装置，其中通过对其关键的激光光路的结构及其设置方式、光谱采集部件及其连接方式等进行改进，与现有技术相比能够有效解决塑料识别的问题，并且该装置识别精度高、速度快。
为实现上述目的，按照本实用新型的一个方面，提供了一种激光探针识别塑料的装置，其特征在于，包括激光器(1)、激光波长反射镜(14)、聚焦透镜(13)、位移平台(10)、光谱仪(7)、ICCD(6)和分类器模块，其中，
所述激光器(1)、所述激光波长反射镜(14)和所述聚焦透镜(13)依次位于同一光路上；所述位移平台(10)位于该聚焦透镜(13)的出射光路上，用于放置待测塑料；
所述光谱仪(7)通过采集头(9)采集位于所述位移平台(10)上的所述待测塑料的激光探针光谱；
所述ICCD(6)与所述光谱仪(7)相连，用于拍摄采集到的所述待测塑料的激光探针光谱；
所述分类器模块用于将拍摄到的所述待测塑料的激光探针光谱与已知塑料类别的塑料激光探针光谱相比，从而识别待测塑料的类别。
作为本实用新型的进一步优选，该激光探针识别塑料的装置还包括位移传感器(12)，该位移传感器(12)用于监控所述待测塑料的表面与所述聚焦透镜(13)之间距离的变化。
作为本实用新型的进一步优选，所述光谱仪(7)采集的所述待测塑料的激光探针光谱为波长在200nm～975nm范围内的碳元素、氢元素、氧元素和氮元素的谱线。
作为本实用新型的进一步优选，所述光谱仪(7)采集的所述待测塑料的激光探针光谱为波长为247.76nm～247.96nm、656.2nm～656.4nm、777.2nm～777.4nm、746.8nm～747.0nm、388.2nm～388.4nm和656.2nm～656.4nm处的光谱。
作为本实用新型的进一步优选，所述分类器模块是将拍摄到的所述待测塑料的激光探针光谱中碳元素、氢元素、氧元素和氮元素的谱线逐一与所述已知塑料类别的塑料激光探针光谱中相应的碳元素、氢元素、氧元素和氮元素的谱线相比较。
作为本实用新型的进一步优选，所述分类器模块是将拍摄到的所述待测塑料的激光探针光谱中波长为247.76nm～247.96nm、656.2nm～656.4nm、777.2nm～777.4nm、746.8nm～747.0nm、388.2nm～388.4nm和656.2nm～656.4nm处的谱线分别与所述已知塑料类别的塑料激光探针光谱中波长为247.76nm～247.96nm、656.2nm～656.4nm、777.2nm～777.4nm、746.8nm～747.0nm、388.2nm～388.4nm和656.2nm～656.4nm处的谱线相比较。
通过本实用新型所构思的以上技术方案，与现有技术相比，本实用新 型中的激光探针识别塑料的装置是通过采用塑料中主要非金属元素的特征谱线，从识别塑料种类的多样性以及识别效率方面同时进行了改善和提升，有利于激光探针技术在塑料分类识别中的推广应用。具体而言，本实用新型具有以下特点和优势：
(1)与传统的LIBS技术识别塑料时需采用非金属和金属元素谱线相比较，本实用新型仅需通过选取塑料中主要元素的6条特征谱线：C I 247.86nm,HI 656.3nm,OI 777.3nm,NI 746.9nm,C-N(0,0)388.3nm,C2(0,0)656.3nm，不仅与传统LIBS在塑料识别精度保持了一致，而且由于本实用新型采用较少的特征谱线，降低了训练分类器模型所用的时间，从而提高LIBS分类识别塑料的效率；
(2)本实用新型由于仅需采用塑料所含主要元素碳、氢、氧、氮对应的特征谱线，不仅可以识别含有金属元素的塑料，而且可以识别不含金属元素的塑料，大幅扩展了激光探针分类识别塑料的种类。
(3)需要特别指出的是，本实用新型方法不受塑料颜色影响，可以实现不同厂家生产的不同颜色的同种类型塑料制品归类，有利于废旧塑料制品的循环利用，有效降低环境污染。
(4)本实用新型中激光探针识别塑料的装置在光谱采集过程中采用位移传感器以监控塑料样品表面高度的变化，使得塑料表面与聚焦透镜之间的距离保持一致，以降低由于样品表面的不平整性带来的干扰。
综上，本文明中激光探针识别塑料的装置能够提高激光探针技术识别塑料的效率，并扩展识别塑料的种类。
附图说明
图1是本实用新型中的激光探针识别塑料的装置。
图中各附图标记的含义如下：1为激光器；2为计算机；3为数字延时发生器；4为触发线；5为数据线；6为ICCD；7光谱仪；8为光纤；9为采集头；10为位移平台；11为样品；12为位移传感器；13为聚焦透镜；14 为激光波长反射镜(即激光谱线反射镜)。
具体实施方式
为了使本实用新型的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本实用新型进行进一步详细说明。应当理解，此处所描述的具体实施例仅仅用以解释本实用新型，并不用于限定本实用新型。此外，下面所描述的本实用新型各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。
如图1所示，本实用新型中激光探针识别塑料的装置，包括激光器1、激光波长反射镜14、聚焦透镜13、位移平台10、光谱仪7、ICCD6和分类器模块，其中，激光器1、激光波长反射镜14和聚焦透镜13依次位于同一光路上；位移平台10位于该聚焦透镜13的出射光路上，用于放置待测塑料；光谱仪7通过采集头9采集位于位移平台10上的待测塑料的激光探针光谱；ICCD6与光谱仪7相连，用于拍摄采集到的待测塑料的激光探针光谱；分类器模块用于将拍摄到的待测塑料的激光探针光谱与已知塑料类别的塑料激光探针光谱相比，从而识别待测塑料的类别。
该激光探针识别塑料的装置还包括位移传感器12，该位移传感器12用于监控待测塑料的表面与聚焦透镜13之间距离的变化。
光谱仪7采集的待测塑料的激光探针光谱为波长为247.76nm～247.96nm、656.2nm～656.4nm、777.2nm～777.4nm、746.8nm～747.0nm、388.2nm～388.4nm和656.2nm～656.4nm处的光谱。或者，分类器模块是将拍摄到的待测塑料的激光探针光谱中波长为247.76nm～247.96nm、656.2nm～656.4nm、777.2nm～777.4nm、746.8nm～747.0nm、388.2nm～388.4nm和656.2nm～656.4nm处的谱线分别与已知塑料类别的塑料激光探针光谱中波长为247.76nm～247.96nm、656.2nm～656.4nm、777.2nm～777.4nm、746.8nm～747.0nm、388.2nm～388.4nm和656.2nm～656.4nm处的谱线相比较。
上述激光探针装置具体工作原理过程如下：数字延时发生器3同时发出脉冲信号触发激光器1和ICCD6，脉冲信号触发激光器3输出脉冲激光，激光束经反射镜14反射，垂直经过聚焦透镜13聚焦到样品11表面，激发出等离子体。等离子体辐射光由采集头9收集并耦合至光纤8传输至光谱仪7。与此同时，被脉冲信号触发的ICCD6记录经光谱仪7衍射、分光后的等离子体发射光。ICCD6与计算机2连接，利用光谱分析软件对光谱进行读取等操作。在激光脉冲作用于样品11的过程中，样品11表面保持固定的水平高度，位移传感器用于监控样品表面的高度变化。计算机2控制位移平台10沿X方向和Y方向做“弓”运动，使得激光脉冲作用于样品表面不同的位置。
不同厂家生产的同类型工业塑料，为满足某种物理或化学性能，往往添加不同的添加剂，如增色剂、阻燃剂等。在塑料制品加工过程中，除碳氢氧氮元素外，其它金属元素通常是作为添加剂为改变某一性能所使用的，所以不同厂家生产的同类型塑料中金属元素含量差异很大，部分塑料甚至不含金属元素。因此，若选用金属元素谱线作为特征谱线，不仅由于金属元素含量的差异导致识别精度偏低，而且对于不含金属元素的样品由于检测不到该元素对应的金属谱峰强度值而无法识别，限制了LIBS分类识别塑料的种类。针对上述问题，本实用新型仅需采用塑料中的主要元素碳氢氧氮对应的特征谱线，将LIBS技术与SVM模型结合，可以大幅提高LIBS技术在塑料识别中的效率，扩展其识别塑料的种类。本实用新型所提出的激光探针识别塑料的装置尤其是基于碳氢氧氮非元素的激光探针技术对多种塑料的分类方法，在具体识别时，可采用以下步骤：
1.塑料制品的光谱数据采集。为获得塑料激光探针光谱的最佳光谱强度和光谱信号背景比，对工艺参数进行优化，包括激光脉冲能量、ICCD延迟时间以及门宽。在最佳工艺参数下，利用激光探针技术采集S种塑料的等离子光谱，每种塑料样品采集N个等离子体光谱，因此S种塑料共采集 M1＝S×N个光谱。
2.选取特征谱线。为拓展LIBS分类识别塑料种类的范围，只选取非金属元素对应的特征谱线。由于碳氢氧氮是塑料中所含的主要元素，因此选取CI 247.86nm,HI 656.3nm,OI 777.3nm,NI 746.9nm,C-N(0,0)388.3nm,C2(0,0)656.3nm六条非金属元素特征谱线。
3.特征谱线归一化。由于碳元素是所有塑料的基体元素，因此利用碳元素对应的特征谱线进行归一化处理。将选取的6条特征谱线强度值除以C I247.86nm谱线强度值作为归一化的强度。
4.训练SVM分类器模型。在MATLAB软件环境下运行LIBSVM工具箱，其中SVM算法的核函数采用径向基函数(RBF)。SVM算法中的惩罚参数c以及核函数参数g对SVM模型的识别分类精度有重要影响，因此采用遗传算法和交互验证法分别对c、g参数进行优化。将M1组光谱数据(每组光谱数据包括5个归一化强度值)根据对应的塑料类型为其设定标签。将M1组光谱数据及其对应的标签值作为SVM算法的输入，用于训练并建立SVM分类器模型。
5.待识别塑料制品的光谱数据处理。对于待识别的塑料，采用相同的激光探针实验装置，在相同的工艺参数下，采集每种塑料的等离子体光谱，共获得M2个等离子体光谱。按照步骤2和3的方式选取特征谱线并对特征谱线进行归一化处理，得到M2组光谱数据(每组光谱数据包括5个归一化强度值)。根据每组光谱数据对应的塑料类型，为其设定标签值，设置方式同步骤4。
6.SVM分类器模型对塑料制品的识别分类。将待识别的M2组光谱数据(不包含标签值)输入到训练后的SVM分类器模型，输出是待识别塑料每组光谱数据对应的预测标签值。将输出的标签值与实际设定的标签值对比，相同的标签值表示预测准确，反之，预测错误，从而可以获得每种塑料的识别精度。
实施例1
实施例1中的基于非金属元素的激光探针识别塑料的方法包括如下步骤：
1.塑料制品的光谱数据采集。实验选用20种常用工业塑料制品，共分为11类，如表1。光谱采集在空气环境下进行，实验装置如图1所示。采用调Q开关Nd：YAG脉冲激光器1(Beamtech Nimma400，波长532nm，脉宽5ns，最大重复频率10Hz)作为激发光源，激发出的等离子体辐射光由采集头9收集并传输至光谱仪7(Andor Technology,Mechelle5000,波长范围200-975nm，分辨率λ/Δλ＝5000)进行分光，ICCD6(Andor Technology,iStar DH-334T1024×1024像素)对光谱仪7传过来的光谱信号进行光电转换。光谱采集过程中控制样品表面沿X方向和Y方向做“弓”形运动。为防止空气击穿，激光聚焦透镜(焦距15cm)焦点位于塑料样品表面以下1.5mm处。位移传感器12监控样品表面至聚焦透镜13之间的距离，以降低由于距离的变化所带来的干扰。
为获得最佳的光谱强度和光谱信号背景比，激光单脉冲能量设为40mJ，ICCD延时和门宽分别设为2.5μs和2μs。
在以上工艺参数下，采集20种塑料的等离子体的光谱，每种样品采集50个光谱，因此20种塑料共采集1000个光谱。
表1
2.选取特征谱线。由于碳氢氧氮是塑料中的主要元素，因此选取CI 247.86nm,HI 656.3nm,OI 777.3nm,NI 746.9nm,C-N(0,0)388.3nm,C2(0,0)656.3nm六条非金属元素特征谱线，对应每组光谱数据包含6个特征谱线强度值。
3.特征谱线归一化。将每组数据中6个特征谱线强度值除以C I 247.86nm谱线强度值作为归一化的强度。
4.训练SVM分类器模型。SVM算法中的惩罚参数c和核函数参数g分别设为12.1257、0.75786。将1000组光谱数据(每组光谱数据包括5个归一化强度值)根据对应的塑料类型为其设定标签(1～11)。将1000组光谱数据及其对应的标签值作为SVM算法的输入，用于训练并建立SVM分类器模型。
5.待识别塑料制品的光谱数据处理。采用相同的激光探针实验装置，在相同的工艺参数下，采集每种待识别塑料的等离子体光谱，每种塑料采集50幅光谱。选取碳氢氧氮元素对应的6条特征谱线并读取特征谱线强度值，以CI 247.86nm谱线强度值进行归一化处理，共得到20种待识别塑料样品的1000组光谱数据，根据每组光谱数据对应的塑料类型，为其设定一个标签值，设置方式同步骤4。
6.SVM分类器模型对塑料制品的识别分类。将1000组光谱数据(不包 含标签值)作为SVM分类器模型的输入，得到每组光谱数据对应的预测标签值。将预测标签值与实际设置的标签值进行对比，得到每种塑料的分类识别精度，在98％-100％之间，20种塑料的平均识别精度为99.6％，如表2所示。以上结果可以看出，采用激光探针技术与SVM算法相结合，在空气环境下，仅采用6条非金属元素的特征谱线，即可实现对不同颜色以及不同类型工业塑料制品的高精度分类。
表2
本实用新型中谱线强度均是以美国NIST基本原子光谱数据库中的标准谱线波长为中心波长,读取出±0.1nm范围内(考虑到温度波动引起谱线波长微小偏移)的最大强度作为谱线强度。
本实用新型中的分类器模块可以采用计算机或者单片机等可以实现比 较分类功能的模块。
本领域的技术人员容易理解，以上所述仅为本实用新型的较佳实施例而已，并不用以限制本实用新型，凡在本实用新型的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本实用新型的保护范围之内。
Claims (6)
1.一种激光探针识别塑料的装置，其特征在于，包括激光器(1)、激光波长反射镜(14)、聚焦透镜(13)、位移平台(10)、光谱仪(7)、ICCD(6)和分类器模块，其中，
所述激光器(1)、所述激光波长反射镜(14)和所述聚焦透镜(13)依次位于同一光路上；所述位移平台(10)位于该聚焦透镜(13)的出射光路上，用于放置待测塑料；
所述光谱仪(7)通过采集头(9)采集位于所述位移平台(10)上的所述待测塑料的激光探针光谱；
所述ICCD(6)与所述光谱仪(7)相连，用于拍摄采集到的所述待测塑料的激光探针光谱；
所述分类器模块用于将拍摄到的所述待测塑料的激光探针光谱与已知塑料类别的塑料激光探针光谱相比，从而识别待测塑料的类别。
2.如权利要求1所述激光探针识别塑料的装置，其特征在于，该激光探针识别塑料的装置还包括位移传感器(12)，该位移传感器(12)用于监控所述待测塑料的表面与所述聚焦透镜(13)之间距离的变化。
3.如权利要求1所述激光探针识别塑料的装置，其特征在于，所述光谱仪(7)采集的所述待测塑料的激光探针光谱为波长在200nm～975nm范围内的碳元素、氢元素、氧元素和氮元素的谱线。
4.如权利要求3所述激光探针识别塑料的装置，其特征在于，所述光谱仪(7)采集的所述待测塑料的激光探针光谱为波长为247.76nm～247.96nm、656.2nm～656.4nm、777.2nm～777.4nm、746.8nm～747.0nm、388.2nm～388.4nm和656.2nm～656.4nm处的光谱。
5.如权利要求1所述激光探针识别塑料的装置，其特征在于，所述分类器模块是将拍摄到的所述待测塑料的激光探针光谱中碳元素、氢元素、 氧元素和氮元素的谱线逐一与所述已知塑料类别的塑料激光探针光谱中相应的碳元素、氢元素、氧元素和氮元素的谱线相比较。
6.如权利要求1所述激光探针识别塑料的装置，其特征在于，所述分类器模块是将拍摄到的所述待测塑料的激光探针光谱中波长为247.76nm～247.96nm、656.2nm～656.4nm、777.2nm～777.4nm、746.8nm～747.0nm、388.2nm～388.4nm和656.2nm～656.4nm处的谱线分别与所述已知塑料类别的塑料激光探针光谱中波长为247.76nm～247.96nm、656.2nm～656.4nm、777.2nm～777.4nm、746.8nm～747.0nm、388.2nm～388.4nm和656.2nm～656.4nm处的谱线相比较。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201620194194.8U CN205538680U (zh) | 2016-03-11 | 2016-03-11 | 一种激光探针识别塑料的装置 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201620194194.8U CN205538680U (zh) | 2016-03-11 | 2016-03-11 | 一种激光探针识别塑料的装置 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| CN205538680U true CN205538680U (zh) | 2016-08-31 |
Family
ID=56782448
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201620194194.8U Active CN205538680U (zh) | 2016-03-11 | 2016-03-11 | 一种激光探针识别塑料的装置 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN205538680U (zh) |
Cited By (2)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109063773A (zh) * | 2018-08-03 | 2018-12-21 | 华中科技大学 | 一种利用图像特征提高激光探针分类精度的方法 |
| CN109794426A (zh) * | 2017-11-16 | 2019-05-24 | 钢铁研究总院 | 基于libs技术的全自动在线航空铝分类回收系统 |
-
2016
- 2016-03-11 CN CN201620194194.8U patent/CN205538680U/zh active Active
Cited By (3)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109794426A (zh) * | 2017-11-16 | 2019-05-24 | 钢铁研究总院 | 基于libs技术的全自动在线航空铝分类回收系统 |
| US11311915B2 (en) | 2017-11-16 | 2022-04-26 | The Boeing Company | Automated aero aluminum scrap sorting system based on laser induced breakdown (LIBS) technique |
| CN109063773A (zh) * | 2018-08-03 | 2018-12-21 | 华中科技大学 | 一种利用图像特征提高激光探针分类精度的方法 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Moros et al. | New chemometrics in laser-induced breakdown spectroscopy for recognizing explosive residues | |
| Wang et al. | Identification and classification of explosives using semi-supervised learning and laser-induced breakdown spectroscopy | |
| CN104730041B (zh) | 一种提高激光探针塑料识别精度的方法及其装置 | |
| Chen et al. | Feasibility study of ore classification using active hyperspectral LiDAR | |
| CN102262075B (zh) | 基于分光法的激光诱导击穿光谱测量元素浓度的方法 | |
| CN101995395A (zh) | 一种激光诱导多种光谱联合指纹网络在线检测材料的方法 | |
| CN104483292B (zh) | 一种采用多谱线比值法提高激光探针分析精确度的方法 | |
| CN205538680U (zh) | 一种激光探针识别塑料的装置 | |
| CN105718749A (zh) | 一种基于大数据库辨识的煤质特性分析方法 | |
| Wang et al. | Evaluation and improvement of model robustness for plastics samples classification by laser-induced breakdown spectroscopy | |
| Wang et al. | Rapid quantitative analysis of the acidity of iron ore by the laser-induced breakdown spectroscopy (LIBS) technique coupled with variable importance measures-random forests (VIM-RF) | |
| CN101750024A (zh) | 硅钢绝缘涂层厚度近红外光谱检测方法 | |
| Haobin et al. | Hybrid classification of coal and biomass by laser-induced breakdown spectroscopy combined with K-means and SVM | |
| Pagnin et al. | Multivariate analysis and laser-induced breakdown spectroscopy (LIBS): a new approach for the spatially resolved classification of modern art materials | |
| Dai et al. | Identification of aluminum alloy by laser‐induced breakdown spectroscopy combined with machine algorithm | |
| CN114813709A (zh) | 土壤成分检测方法、设备及系统 | |
| Ruan et al. | A modified backward elimination approach for the rapid classification of Chinese ceramics using laser-induced breakdown spectroscopy and chemometrics | |
| CN116030310A (zh) | 一种基于激光诱导击穿光谱技术的样品分类方法及系统 | |
| CN107220625A (zh) | 一种对样品的libs光谱自动识别分类方法 | |
| CN112304924A (zh) | 一种利用光谱特征扩充提高激光探针分类精度的方法 | |
| Kristensen et al. | Environments of dwarf galaxies with optical AGN characteristics | |
| CN105806827A (zh) | 基于非金属元素的激光探针识别塑料方法 | |
| Wang et al. | Study on cluster analysis used with laser-induced breakdown spectroscopy | |
| Zhang et al. | PCA-K-means based clustering algorithm for high dimensional and overlapping spectra signals | |
| Zhao et al. | Laser-induced breakdown spectroscopy for the discrimination of explosives based on the relieff algorithm and support vector machines |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| C14 | Grant of patent or utility model | ||
| GR01 | Patent grant | ||
| CB03 | Change of inventor or designer information |
Inventor after: Li Xiangyou Inventor after: Sun Qianqian Inventor after: Guo Lianbo Inventor after: Zeng Xiaoyan Inventor before: Li Xiangyou Inventor before: Sun Qianqian Inventor before: Guo Lianbo Inventor before: Zeng Xiaoyan Inventor before: Lu Yongfeng |
|
| CB03 | Change of inventor or designer information |