光谱预处理小波基函数的选择对结合FIBS技术和机器学习的铝合金识别精确度影响研究

随着经济不断发展,工业建筑领域产生了大量的废弃铝合金材料,对废弃铝合金材料分类回收可以提升废弃资源的利用效率,缓解能源紧张。选取了工业领域常用的五种型号的铝合金,开展了等离子体丝诱导击穿光谱(FIBS)光谱预处理小波变换基函数对铝合金分类识别精度的影响的研究。分别采用bior2.2、bior2.4和bior2.6正交小波基函数对铝合金的FIBS光谱进行预处理,结合线性判别分析(LDA)、网格搜索优化的支持向量机(GSSVM)和反向传播神经网络(BPNN)实现了铝合金型号的快速分类识别。结果表明bior2.2、bior2.4和bior2.6正交小波基函数结合LDA-GSSVM实现铝合金型号的平均识别准确率为90%、100%和76.67%,结合LDA-BPNN实现铝合金型号的平均识别准确率为96.67%、100%和90%,因此选择合适的正交小波基函数对FIBS光谱预处理,对于提高铝合金型号识别准确率有较大作用。