一种基于最小二乘支持向量机法的常见废弃塑料分类方法

将最小二乘支持向量机法(LS_SVM)应用于中红外光谱分析,建立一种新的对常见废弃塑料进行分类的方法。依据不同类别的塑料在红外波段具有不同的特征吸收峰,采用LS_SVM方法对塑料的中红外光谱数据进行处理,并与全局相关法、系统比较法进行比较。实验结果表明,LS_SVM进行分类的正确率为0.92。与全局相关法和系统比较法相比,LS_SVM分类正确率较高,其解决小样本问题效果显著,可应用于常见废弃塑料的分类。

基于近红外高光谱成像技术的塑料分类(特邀)

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。

基于塑料近红外光谱的判别分类研究

目的为了回收可用于不同物品包装的塑料,对不同塑料种类进行识别分类。方法首先采集PP、PET、HDPE、TPE、PLA、PBT、TPU、POM-M90、PPO-GF20NC、TPB、PPS、ABS、PPO(natural)、SAN、POM-F20、PPO(white)16种塑料的近红外光谱数据,其次针对光谱数据采集时存在的噪声问题,使用SG平滑滤波进行了光谱数据预处理,之后利用主成分分析算法进行光谱数据降维,减少待处理数据量,最后分别运用无监督聚类K-means算法和监督聚类极大似然估计、Fisher判别式以及光谱角算法建立4类分类模型。结果K-means算法可以将PPO-GF20N、PLA和PPO(本色)与其他塑料粒子区分开,准确率分别是100%、100%以及80%;Fisher判别式和极大似然估计法对POM-M90和POM-F20的识别准确率为93%,其他塑料粒子识别准确率均为100%;光谱角算法对PET的识别准确率为80%,POM-F20的识别准确率为47%,其余粒子的识别准确率均大于90%。结论上述机器学习算法结合近红外光谱成像技术建立分类模型可为常见塑料的鉴别研究提供参考。

塑料激光诱导击穿光谱技术快速分类应用研究

在大气环境中,采用激光诱导击穿光谱技术与支持向量机算法相结合,对来自不同厂家不同颜色的20种工业塑料进行分类研究。首先对分类结果有影响的实验参数进行优化,在最佳的实验参数条件下进行光谱采集,采用6条非金属元素特征谱线,有效缩短了训练支持向量机分类模型所需时间,从而提高了塑料的分类效率。实验结果表明,利用碳、氢、氧、氮等主量非金属元素对这些工业塑料样品进行分类,测试集1 000个光谱数据中有996个识别正确,算术平均识别精度达到99.6%。在选取较少的主量非金属特征谱线的情况下,结合采用支持向量机算法,可以实现激光诱导击穿光谱技术对更多类型的塑料制品快速、高精度分类,为激光诱导击穿光谱技术在实现塑料分类方面提供了数据参考。

卷积神经网络和支持向量机算法在塑料近红外光谱分类中的模型应用

机器学习算法的应用使得塑料自动分类成为可能,而废旧塑料的分类回收对保护环境、节约资源有重要意义。该文结合近红外光谱分析技术,比较了使用一维卷积神经网络(1D CNN)和多元散射处理后支持向量机算法(MSC-SVM)建模的效果,及对PP新生料、PP再生料、PE新生料、PE再生料4种塑料分类的准确率。基于100个塑料样本近红外光谱数据的分类结果表明,验证集上1D CNN模型准确率为91.5%,MSCSVM模型准确率为90.8%。1D CNN模型用于识别PP和PE新生料时,准确率可达100%。证明1D CNN建模方法在小数据集上进行准确塑料分类是可行的。

基于FPCA和PSOSVM回收塑料瓶分类

为提高回收塑料瓶颜色分类的识别率,提出一种基于FPCA和PSOSVM的分类算法。在HSI模型中,使用快速主成分分析(FPCA)法对图像进行降维处理,提取有效的特征;采用粒子群算法(PSO)对支持向量机(SVM)的参数惩罚因子和核函数进行优化;为避免PSO的计算结果陷入局部极值中,引入惯性权重和收敛因子;构建支持向量机分类模型,将优化后的参数和提取的特征作为输入进行分类识别。实验结果表明,该分类算法的识别率为93.4%,较未使用粒子群算法寻优的分类算法,识别率提高了5.8%,可以进行有效识别。

决策树算法在塑料分类中的应用

针对塑料分类提出了基于决策树算法的塑料自动分类方法。利用激光照射法快速准确地识别塑料的谱线,得到塑料中元素的成分及其含量;以塑料元素的成分和强度作为特征值,基于决策树算法提出了塑料分类算法,通过熵增最大原理选取特征。通过对塑料样品数据分析,分类算法的准确率达90%以上,最大准确率为95.46%。

红外光使废旧塑料分类轻而易举

美国发明了一种废物自动分类系统，从而使塑料回收变得有效、快速、低廉。这种系统可以区分6种不同的塑料，并几乎100％准确地把塑料瓶和塑料袋等物品分类归并。

3D打印塑料材料技术在乐器制作中的应用———评《塑料材料手册》

随着国家经济的发展,三维(3D)打印技术愈加受到关注,近些年来更是发展迅猛,在乐器制作领域有着广泛的应用。总体来说,3D打印技术,其本身可实现单个或小批量乐器塑料制件的制造和处理,远远优于其他的技术,尤其是在设计周期、乐器音色、工艺操作等层面上。当国外塑料原料进入国内市场时,所选择的塑料原料品种、质量、性能等往往是更先进的。对此,《塑料材料手册》(罗河胜主编,广东科技出版社出版)的书中,全面的阐述和介绍了塑料品种、工艺知识。本书总共分为十一章,第一章是介绍塑料概述,讲解了塑料分类,特性,成型,改性,用途及制品简介。剩余十章则是介绍不同的塑料材料类别,分析了塑料材料在乐器制作中的应用效果,进一步推广3D打印技术在乐器制作中的实质性应用。

基于近红外光谱建立PE、PP和PET的识别分类模型

利用近红外高光谱成像仪在900~1 700 nm的范围采集PE、PP和PET样本的高光谱图像,并进行黑白校正,提取感兴趣区域的反射率光谱数据;利用主成分分析法对提取的数据去噪降维。结果表明,前3个主成分的累计贡献率达98.89%。把前3个主成分的载荷系数对波长作图,得到了6个特征波长;利用特征波长对应的反射率光谱数据进行判别分析,并建立了3种塑料的识别分类模型;用预测样本对模型进行检验,结果显示,预测样本的识别准确率为95.24%,表明该模型可准确有效地对PE、PP和PET进行识别分类。

基于计算机视觉的垃圾塑料瓶识别与定位算法研究

针对当前垃圾分拣算法对废旧塑料瓶检测效率低、环境受限和仅限于颜色识别等问题,提出了一种有效的垃圾塑料瓶识别与定位方法,以采集高像素图像为基础提取原始图片,通过YOLOv3算法的浅层增强特征将图片中目标进行一系列卷积获得不同的特征,并输入各检测分支进行检测,将不同尺度特征图经过K-means聚类算法做锚框处理,利用位置预测实现最终的识别与定位检测结果。通过模型测试,YOLOv3算法在识别速度和算法的繁琐性上都优于其他的一些算法,平均识别准确率达到90%、检测时间约0.4 s以内、定位精度约±5 cm。证明了此算法对于复杂环境下废旧塑料瓶目标检测的有效性和实用性。

基于GA-BP神经网络的塑料X射线吸收光谱的辨识

采集15种塑料样本的X射线吸收光谱(XAS),对光谱数据进行预处理和主成分分析,建立误差反向传播(BP)神经网络和遗传算法优化的误差反向传播(GA-BP)神经网络模型,利用训练集进行网络训练,并通过测试集进行验证。结果表明,GA-BP神经网络相比于BP神经网络可以更好更稳定的对塑料样本的XAS进行识别,这对塑料的回收具有重要的指导意义。

浅谈降解塑料菌株的研究进展

塑料的难以降解给环境带来了巨大的问题。本文介绍了目前存在的塑料的种类,对可降解塑料菌株的种类和特点进行了综述。对利用微生物降解塑料的未来发展进行了展望。

激光诱导击穿光谱在塑料回收领域的应用

近年来,塑料产品的过度使用给人类和地球生态系统带来了极大的威胁,如何进行塑料的回收与利用成为当前需要解决的主要问题之一。激光诱导击穿光谱(简称LIBS)是一种新型的原子发射光谱,无需或仅需简单样品前处理,分析速度快、可实现在线实时分析和检测,在塑料材料的回收与利用领域应用前景广阔。文章综述了用于塑料分析的仪器与系统、LIBS技术在塑料分析领域的定性和定量应用,对LIBS技术在塑料分析领域的限制因素与发展趋势进行了总结。

美丽乡村建设呼唤行之有效的垃圾管理

垃圾问题由来已久,其管理在＂问题模式＂下运行几十年,影响了环境和人民生活。农村的垃圾问题较之城市,有过之而无不及。因为有限的资源要重点保城市,目前虽无根本的解决之道,但环境表面上尚可维持基本的生活秩序。而占地广大、居住分散的农村,垃圾管理却长期缺失,基本处于放任自流的状态,问题严重。笔者通过实际调研,对乡村垃圾处理问题进行了总结,并提出了建议。