在线近红外光谱预处理对废旧纺织品定性识别的影响

将近红外光谱分析技术与一阶导数、离散小波变换、标准正态变换、多元散射校正、 S-G平滑、移动平均平滑、均值中心化和最大最小归一化8种预处理方法相结合,采用其单一及组合的方法,对聚酯、锦纶、腈纶、棉、毛、真丝、聚酯/棉、聚酯/锦纶、聚酯/氨纶、聚酯/毛、真丝/棉、锦纶/氨纶和特殊类共计13类织物的3620个近红外谱图进行预处理,并建立基于深度卷积神经网络的废旧纺织品定性识别模型。依据定性模型的识别准确率,探讨出适宜该类数据集的谱图预处理方法。研究结果表明,采用S-G平滑、均值中心化+S-G平滑和标准正态变换+S-G平滑的方法预处理后,所得模型的识别准确率均在96%以上。将此3种模型与未经预处理的原模型分别导入“分拣装置”中,对未参与建模的280个样品进行成分识别检验,经预处理优化后的模型识别准确率均高于原模型的89.6%。且均值中心化+S-G平滑预处理后,模型的识别准确率最高达96.8%,识别、分拣时间小于2 s。因此,对原模型样本的近红外光谱数据进行预处理可极大提高模型的识别准确率,为废旧纺织品的在线高效识别与自动分拣提供新方法。