塑料分选中近红外光谱模式识别分类的研究
发布时间：2021-03-31 09:39
随着工业化进程的不断推进,全球塑料行业的生产规模迅速扩大,塑料制品被广泛应用在建筑、交通、家电以及农业等各个行业,极大的方便了人们的生产和生活。然而,塑料产品的使用周期比较短,全球已累积大量废塑料,为改善环境和节约资源,对废塑料的回收再利用研究是当今社会的迫切需求。废塑料进行识别分类是塑料循环利用过程中的首要步骤,是保证塑料再生产品质量的关键。因此,本文以废塑料为研究对象,将近红外光谱技术与模式识别相结合,针对塑料回收过程中的识别分类技术开展研究,主要研究内容如下:（1）塑料样本近红外光谱预处理和特征波长的提取。采用蒙特卡洛交叉验证法剔除异常样本;采用移动平均平滑（MAS）和Savitzky-Golay（S-G）卷积平滑法对光谱进行平滑处理,并以留1交叉验证准确率为平滑窗口大小的选择依据;采用标准正态变换（SNV）和多元散射校正法（MSC）对光谱进行光程校正,采用导数法进行光谱的基线校正。采用主成分分析法（PCA）、连续投影算法（SFA）、竞争性自适应重加权算法（CARS）和无信息变量消除法（UVE）对原始光谱以及预处理后的光谱进行特征波长的提取,去除塑料光谱数据中的冗余信息,提高建模...
【文章来源】：青岛科技大学山东省
【文章页数】：82 页
【学位级别】：硕士
【部分图文】：
塑料制品产量和废塑料回收情况
⒒?贐P神经网络的定性识别模型，只有1组HDPE塑料样本被识别模型错分为PS，其余7种塑料样本全部识别正确。1.3模式识别模式识别是利用数学算法、统计学、信号处理等工具对表征事物或现象的信息进行提取，进而对研究的事物或现象进行分类或聚类的方法[15]，模式识别是一种多变量分析方法，是人工智能领域和信息科学的重要组成部分。模式识别分为无监督分类和有监督分类，无监督分类只有输入样本数据，无样本数据所对应的类别；有监督分类的各实验样本的类别已知，并需要大量的已知样本来训练分类器。模式识别的流程框图如图1-2所示。图1-2模式识别的流程框图Figure1-2Flowchartofpatternrecognition
孔径雷达海冰图像无监督自动分类算法，不仅提高了识别速率，还解决了无监督图像分类过程中手动输入类别的问题。本文采用有监督模式识别法对塑料样本进行分类，常用的有监督模式识别算法有：人工神经网络、随机森林、支撑向量机、偏最小二乘辨别分析法、K-最近邻法等、簇类独立软模式法[19-21]。1.4近红外光谱技术1.4.1近红外光谱技术的原理近红外光是一种介于可见光和中红外光之间的电磁波，其波长范围在780-2526nm，具体分为近红外短波（780-1100nm）和近红外长波（1100-2526nm）两个区域，近红外光谱波长范围示意图如图1-3所示。图1-3近红外光谱波长范围示意图Figure1-3Schematicdiagramofthewavelengthrangeofthenear-infraredspectrum
【参考文献】：
期刊论文
[1]基于小波变换-遗传算法-偏最小二乘的草莓糖度检测研究[J]. 张娟,原帅,张骏. 分析科学学报. 2020(01)
[2]不同品牌豆浆粉与假冒豆浆粉无损鉴别方法的建立[J]. 李尚科,董怡青,李跑,单杨,蒋立文,刘霞. 中国食品学报. 2020(04)
[3]基于PSO-SVM的安全投入预测模型研究[J]. 郭进平,吴泳杉. 建设科技. 2020(Z1)
[4]小花清风藤及其同属药用植物近红外光谱鉴定研究[J]. 孙庆文,温迪,郭文凯,王波,徐文芬. 中国现代中药. 2020(05)
[5]近红外光谱结合变量优选和GA-ELM模型的干制哈密大枣水分含量研究[J]. 王文霞,马本学,罗秀芝,李小霞,雷声渊,李玉洁,孙静涛. 光谱学与光谱分析. 2020(02)
[6]近红外光谱结合连续投影算法检测综纤维素含量[J]. 熊智新,马璞璠,梁龙,房桂干. 中国造纸学报. 2019(04)
[7]全球塑料循环体系演化与我国的应对策略[J]. 陈伟强,简小枚,汪鹏,石磊. 资源再生. 2020(01)
[8]不同波长选择方法在土壤有机质含量检测中对比研究[J]. 程介虹,陈争光,张庆华. 中国农业科技导报. 2020(01)
[9]欧洲包装回收猛增92%[J]. 绿色包装. 2019(11)
[10]基于反向传播神经网络的激光诱导荧光光谱塑料分类识别方法研究[J]. 王翔,赵南京,殷高方,孟德硕,马明俊,俞志敏,石朝毅,覃志松,刘建国. 光谱学与光谱分析. 2019(10)
博士论文
[1]基于拉曼光谱与有机成分分析的大米身份识别[D]. 田芳明.吉林大学 2018
[2]谷物霉菌的高光谱成像辨识方法和霉变玉米籽粒检测方法研究[D]. 褚璇.中国农业大学 2018
[3]基于高光谱成像技术的冷鲜猪肉品质无损检测方法研究[D]. 刘善梅.华中农业大学 2015
[4]基于光谱和高光谱成像技术的海水鱼品质快速无损检测[D]. 朱逢乐.浙江大学 2014
硕士论文
[1]近红外光谱分析技术用于穿山龙鉴别的研究[D]. 汪方舟.山东农业大学 2019
[2]基于NIR的木材物理力学性质估测及模型优化研究[D]. 尹世逵.东北林业大学 2019
[3]基于近红外光谱分析技术的猪肉品质快速检测方法研究[D]. 戴小也.中国矿业大学 2019
[4]基于多源高光谱数据对土壤重金属铬的量化反演研究[D]. 杜文涛.中国地质大学(北京) 2019
[5]基于颜色特征的回收塑料瓶分类算法研究[D]. 范亭亭.河北工程大学 2018
[6]制浆材主要成分的近红外模型优化与转移研究[D]. 杨浩.南京林业大学 2018
[7]基于近红外光谱技术的赤霞珠干红葡萄酒品质指标检测方法研究[D]. 李霞.西北农林科技大学 2018
[8]近红外光谱分析技术在常用塑料快速鉴别上的应用[D]. 李文环.中国计量大学 2018
[9]针对塑料样品的激光诱导击穿光谱数据库和分类方法研究[D]. 刘可.吉林大学 2017
[10]食用油碘值与皂化值的光谱定量检测及特征值鉴别油脂种类方法的研究[D]. 吴双.武汉轻工大学 2017
本文编号：3111217
【文章来源】：青岛科技大学山东省
【文章页数】：82 页
【学位级别】：硕士
【部分图文】：
塑料制品产量和废塑料回收情况
⒒?贐P神经网络的定性识别模型，只有1组HDPE塑料样本被识别模型错分为PS，其余7种塑料样本全部识别正确。1.3模式识别模式识别是利用数学算法、统计学、信号处理等工具对表征事物或现象的信息进行提取，进而对研究的事物或现象进行分类或聚类的方法[15]，模式识别是一种多变量分析方法，是人工智能领域和信息科学的重要组成部分。模式识别分为无监督分类和有监督分类，无监督分类只有输入样本数据，无样本数据所对应的类别；有监督分类的各实验样本的类别已知，并需要大量的已知样本来训练分类器。模式识别的流程框图如图1-2所示。图1-2模式识别的流程框图Figure1-2Flowchartofpatternrecognition
孔径雷达海冰图像无监督自动分类算法，不仅提高了识别速率，还解决了无监督图像分类过程中手动输入类别的问题。本文采用有监督模式识别法对塑料样本进行分类，常用的有监督模式识别算法有：人工神经网络、随机森林、支撑向量机、偏最小二乘辨别分析法、K-最近邻法等、簇类独立软模式法[19-21]。1.4近红外光谱技术1.4.1近红外光谱技术的原理近红外光是一种介于可见光和中红外光之间的电磁波，其波长范围在780-2526nm，具体分为近红外短波（780-1100nm）和近红外长波（1100-2526nm）两个区域，近红外光谱波长范围示意图如图1-3所示。图1-3近红外光谱波长范围示意图Figure1-3Schematicdiagramofthewavelengthrangeofthenear-infraredspectrum
【参考文献】：
期刊论文
[1]基于小波变换-遗传算法-偏最小二乘的草莓糖度检测研究[J]. 张娟,原帅,张骏. 分析科学学报. 2020(01)
[2]不同品牌豆浆粉与假冒豆浆粉无损鉴别方法的建立[J]. 李尚科,董怡青,李跑,单杨,蒋立文,刘霞. 中国食品学报. 2020(04)
[3]基于PSO-SVM的安全投入预测模型研究[J]. 郭进平,吴泳杉. 建设科技. 2020(Z1)
[4]小花清风藤及其同属药用植物近红外光谱鉴定研究[J]. 孙庆文,温迪,郭文凯,王波,徐文芬. 中国现代中药. 2020(05)
[5]近红外光谱结合变量优选和GA-ELM模型的干制哈密大枣水分含量研究[J]. 王文霞,马本学,罗秀芝,李小霞,雷声渊,李玉洁,孙静涛. 光谱学与光谱分析. 2020(02)
[6]近红外光谱结合连续投影算法检测综纤维素含量[J]. 熊智新,马璞璠,梁龙,房桂干. 中国造纸学报. 2019(04)
[7]全球塑料循环体系演化与我国的应对策略[J]. 陈伟强,简小枚,汪鹏,石磊. 资源再生. 2020(01)
[8]不同波长选择方法在土壤有机质含量检测中对比研究[J]. 程介虹,陈争光,张庆华. 中国农业科技导报. 2020(01)
[9]欧洲包装回收猛增92%[J]. 绿色包装. 2019(11)
[10]基于反向传播神经网络的激光诱导荧光光谱塑料分类识别方法研究[J]. 王翔,赵南京,殷高方,孟德硕,马明俊,俞志敏,石朝毅,覃志松,刘建国. 光谱学与光谱分析. 2019(10)
博士论文
[1]基于拉曼光谱与有机成分分析的大米身份识别[D]. 田芳明.吉林大学 2018
[2]谷物霉菌的高光谱成像辨识方法和霉变玉米籽粒检测方法研究[D]. 褚璇.中国农业大学 2018
[3]基于高光谱成像技术的冷鲜猪肉品质无损检测方法研究[D]. 刘善梅.华中农业大学 2015
[4]基于光谱和高光谱成像技术的海水鱼品质快速无损检测[D]. 朱逢乐.浙江大学 2014
硕士论文
[1]近红外光谱分析技术用于穿山龙鉴别的研究[D]. 汪方舟.山东农业大学 2019
[2]基于NIR的木材物理力学性质估测及模型优化研究[D]. 尹世逵.东北林业大学 2019
[3]基于近红外光谱分析技术的猪肉品质快速检测方法研究[D]. 戴小也.中国矿业大学 2019
[4]基于多源高光谱数据对土壤重金属铬的量化反演研究[D]. 杜文涛.中国地质大学(北京) 2019
[5]基于颜色特征的回收塑料瓶分类算法研究[D]. 范亭亭.河北工程大学 2018
[6]制浆材主要成分的近红外模型优化与转移研究[D]. 杨浩.南京林业大学 2018
[7]基于近红外光谱技术的赤霞珠干红葡萄酒品质指标检测方法研究[D]. 李霞.西北农林科技大学 2018
[8]近红外光谱分析技术在常用塑料快速鉴别上的应用[D]. 李文环.中国计量大学 2018
[9]针对塑料样品的激光诱导击穿光谱数据库和分类方法研究[D]. 刘可.吉林大学 2017
[10]食用油碘值与皂化值的光谱定量检测及特征值鉴别油脂种类方法的研究[D]. 吴双.武汉轻工大学 2017
本文编号：3111217
本文链接：https://www.wllwen.com/kejilunwen/huaxue/3111217.html
教材专著
