-
题名基于近红外高光谱成像技术的塑料分类(特邀)
- 1
-
-
作者
胡锡敦
尹禄
杨钦晨
王乐
-
机构
中国计量大学光学与电子科技学院
-
出处
《激光与光电子学进展》
CSCD
北大核心
2024年第2期440-452,共13页
-
基金
国家自然科学基金(51832005,62075203,62305320,1210042018)
国家重点研发计划项目(2021YFC3340400)
+1 种基金
浙江省科技计划项目(2022C01127,2021C05005)
浙江省自然科学基金(LQ23A040007)。
-
文摘
塑料因其可塑性与低成本在日常生活与工业中被广泛使用,然而这也带来环境污染与资源浪费等问题,因此塑料分类成为重要研究课题。为验证高光谱成像技术在塑料分类中的可行性,采用近红外高光谱成像技术(NIR-HSI),比较了1100~1650 nm波段数据在9种常见塑料分类中的效果。涵盖K邻近法(K-NN)、支持向量机(SVM)、粒子群算法训练的SVM(PSO-SVM)、遗传算法优化的SVM(GA-SVM)等机器学习方法。通过验证数据筛选模型准确率后,将其应用于高光谱图像,通过可视化分类对比原始图像评估模型效果。结果显示,基于欧氏距离、余弦相似度的K-NN和GASVM分类效果最佳,验证数据的精度分别达到96.14%、96.21%和98.67%,在可视化分类上也呈现出良好效果。高光谱成像技术在塑料分选中具有很高的应用价值,只需获取特定塑料的光谱数据并进行适当处理,即可对不同颜色、形状、工艺的同类塑料制品进行有效区分。
-
关键词
近红外高光谱成像
塑料分类
机器学习
可视化分类
-
Keywords
near-infrared hyperspectral imaging
plastic classification
machine learning
visual classification
-
分类号
TP391
[自动化与计算机技术—计算机应用技术]
-