城镇塑料生活垃圾智能精细分类关键技术研究
发布时间：2022-12-17 14:43
人类社会在不断发展,塑料制品和塑料的使用将越来越大。我国现有塑料垃圾分拣设备和技术仍基本处于混合废塑料大类分拣阶段,无法满足当前对废塑料材料单品种精细分拣的急迫需求。加上国家对进口废弃物的管制,迫使我国要实现废弃塑料的精细分类。本文为实现塑料垃圾的高质量回收利用,提出了一种基于独立源分析的塑料生活垃圾光谱图特征提取方法,该方法采用Nicolet iS10傅立叶变换红外光谱仪对五类聚合物进行光谱采集,利用独立源分析法对光谱数据进行分析处理,结合聚合物化学键特性在光谱数据中的稳定特性,对提取的独立组件获得的光谱对应分数图进行分析验证比较,实现了各类聚合物光谱特征的有效提取。研究了一种基于Fisher向量编码与深度卷积神经网络（FV-DCNN）相结合的塑料垃圾精细分类模型。该模型以塑料垃圾光谱图为原数据,经过Origin软件对光谱图进行重现和筛选,接着对光谱图进行去噪处理,最后将深度卷积神经网络与Fisher向量编码相结合建立了塑料垃圾精细分类模型。模型中采用了小波变换与双边滤波相结合的去噪算法和多模态特征FV-DCNN算法。基于小波变换的双边滤波克服了双边滤波在滤波后某些区域会产生的残留噪...
【文章页数】：63 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 课题来源
1.2 研究背景与意义
1.3 塑料垃圾分类国内外研究现状
1.3.1 国外研究现状
1.3.2 国内研究现状
1.4 本文的主要内容与结构安排
第2章 城镇塑料生活垃圾精细分类方法原理
2.1 塑料生活垃圾智能精细分类架构
2.2 塑料生活垃圾分类特征提取研究工作原理
2.3 塑料生活垃圾智能精细分类研究工作原理
2.4 本章小结
第3章 基于独立源分析的塑料垃圾光谱图特征提取方法
3.1 应用对象及仪器分析
3.1.1 精细分类对象
3.1.2 光谱仪
3.2 光谱图像特征采集与处理
3.3 基于独立源的塑料垃圾光谱图特征提取
3.4 本章小结
第4章 基于FV-DCNN的塑料生活垃圾精细分类模型
4.1 塑料生活垃圾精细分类模型框架
4.2 小波变换与双边滤波相结合的去噪算法
4.2.1 双边滤波
4.2.2 二维离散小波变换的分解与重构
4.2.3 基于小波变换的双边滤波
4.3 多模态特征FV-DCNN算法
4.3.1 深度卷积神经网络
4.3.2 批量标准化
4.3.3 Fisher向量编码
4.4 塑料垃圾精细分类模型的建立
4.5 本章小结
第5章 塑料垃圾智能精细分类方法实验验证
5.1 实验设置
5.2 实验过程
5.3 实验结果与分析
5.4 本章小结
第6章 结论
6.1 研究工作总结
6.2 主要创新点
6.3 展望
致谢
参考文献
攻读学位期间研究成果
【参考文献】：
期刊论文
[1]国家标准《废塑料分类及代码》正式实施[J]. 绿色包装. 2020(01)
[2]TrashBot：垃圾桶里的“钢铁侠” 美国AI垃圾分类发展到什么程度？[J]. 殷桐. 中外管理. 2019(11)
[3]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)
[4]光谱预处理方法选择研究[J]. 第五鹏瑶,卞希慧,王姿方,刘巍. 光谱学与光谱分析. 2019(09)
[5]改进的LeNet-5模型在苹果图像识别中的应用[J]. 张力超,马蓉,张垚鑫. 计算机工程与设计. 2018(11)
[6]基于GA-BP神经网络的塑料X射线吸收光谱的辨识[J]. 方正,王仁彬,陈思媛. 应用化工. 2019(01)
[7]聚类分析法的塑料饮料瓶光谱分析[J]. 姜红,鞠晨阳,务瑞杰,范烨,满吉. 红外与激光工程. 2018(08)
[8]基于深度卷积神经网络的番茄主要器官分类识别方法[J]. 周云成,许童羽,郑伟,邓寒冰. 农业工程学报. 2017(15)
[9]基于兴趣区域深度神经网络的静态面部表情识别[J]. 孙晓,潘汀. 电子学报. 2017(05)
[10]一种基于高斯混合模型的轨迹预测算法[J]. 乔少杰,金琨,韩楠,唐常杰,格桑多吉,Louis Alberto GUTIERREZ. 软件学报. 2015(05)
博士论文
[1]面向图像语义分割的新型卷积神经网络及其应用研究[D]. Robail Yasrab.中国科学技术大学 2017
硕士论文
[1]基于卷积神经网络的遥感图像分类方法研究[D]. 赵爽.中国地质大学(北京) 2015
[2]激光探针技术塑料分类算法的研究[D]. 孙倩倩.华中科技大学 2016
[3]废旧塑料颗粒摩擦荷电特性及静电分选研究[D]. 赵小路.中国矿业大学 2019
[4]基于机器视觉的生活垃圾智能分拣系统的设计与实现[D]. 周滢慜.哈尔滨工业大学 2018
本文编号：3720114
【文章页数】：63 页
【学位级别】：硕士
【文章目录】：
摘要
abstract
第1章 绪论
1.1 课题来源
1.2 研究背景与意义
1.3 塑料垃圾分类国内外研究现状
1.3.1 国外研究现状
1.3.2 国内研究现状
1.4 本文的主要内容与结构安排
第2章 城镇塑料生活垃圾精细分类方法原理
2.1 塑料生活垃圾智能精细分类架构
2.2 塑料生活垃圾分类特征提取研究工作原理
2.3 塑料生活垃圾智能精细分类研究工作原理
2.4 本章小结
第3章 基于独立源分析的塑料垃圾光谱图特征提取方法
3.1 应用对象及仪器分析
3.1.1 精细分类对象
3.1.2 光谱仪
3.2 光谱图像特征采集与处理
3.3 基于独立源的塑料垃圾光谱图特征提取
3.4 本章小结
第4章 基于FV-DCNN的塑料生活垃圾精细分类模型
4.1 塑料生活垃圾精细分类模型框架
4.2 小波变换与双边滤波相结合的去噪算法
4.2.1 双边滤波
4.2.2 二维离散小波变换的分解与重构
4.2.3 基于小波变换的双边滤波
4.3 多模态特征FV-DCNN算法
4.3.1 深度卷积神经网络
4.3.2 批量标准化
4.3.3 Fisher向量编码
4.4 塑料垃圾精细分类模型的建立
4.5 本章小结
第5章 塑料垃圾智能精细分类方法实验验证
5.1 实验设置
5.2 实验过程
5.3 实验结果与分析
5.4 本章小结
第6章 结论
6.1 研究工作总结
6.2 主要创新点
6.3 展望
致谢
参考文献
攻读学位期间研究成果
【参考文献】：
期刊论文
[1]国家标准《废塑料分类及代码》正式实施[J]. 绿色包装. 2020(01)
[2]TrashBot：垃圾桶里的“钢铁侠” 美国AI垃圾分类发展到什么程度？[J]. 殷桐. 中外管理. 2019(11)
[3]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)
[4]光谱预处理方法选择研究[J]. 第五鹏瑶,卞希慧,王姿方,刘巍. 光谱学与光谱分析. 2019(09)
[5]改进的LeNet-5模型在苹果图像识别中的应用[J]. 张力超,马蓉,张垚鑫. 计算机工程与设计. 2018(11)
[6]基于GA-BP神经网络的塑料X射线吸收光谱的辨识[J]. 方正,王仁彬,陈思媛. 应用化工. 2019(01)
[7]聚类分析法的塑料饮料瓶光谱分析[J]. 姜红,鞠晨阳,务瑞杰,范烨,满吉. 红外与激光工程. 2018(08)
[8]基于深度卷积神经网络的番茄主要器官分类识别方法[J]. 周云成,许童羽,郑伟,邓寒冰. 农业工程学报. 2017(15)
[9]基于兴趣区域深度神经网络的静态面部表情识别[J]. 孙晓,潘汀. 电子学报. 2017(05)
[10]一种基于高斯混合模型的轨迹预测算法[J]. 乔少杰,金琨,韩楠,唐常杰,格桑多吉,Louis Alberto GUTIERREZ. 软件学报. 2015(05)
博士论文
[1]面向图像语义分割的新型卷积神经网络及其应用研究[D]. Robail Yasrab.中国科学技术大学 2017
硕士论文
[1]基于卷积神经网络的遥感图像分类方法研究[D]. 赵爽.中国地质大学(北京) 2015
[2]激光探针技术塑料分类算法的研究[D]. 孙倩倩.华中科技大学 2016
[3]废旧塑料颗粒摩擦荷电特性及静电分选研究[D]. 赵小路.中国矿业大学 2019
[4]基于机器视觉的生活垃圾智能分拣系统的设计与实现[D]. 周滢慜.哈尔滨工业大学 2018
本文编号：3720114
本文链接：https://www.wllwen.com/kejilunwen/shengwushengchang/3720114.html
最近更新
教材专著
