基于近红外光谱结合主成分分析和BP神经网络的常用塑料快速鉴别

被引：12

作者：

李文环 ^{[1
]}

金尚忠 ^{[1
]}

陈玲玲 ^{[1
]}

许小康 ^{[1
]}

吴逸萍 ^{[2
]}

机构：

[1] 中国计量大学光学与电子科技学院

[2] 杭州彩谱科技有限公司

来源：

塑料工业 | 2016年 / 44卷 / 12期

关键词：

近红外光谱; 塑料; 主成分分析; 反向传播神经网络; 鉴别;

D O I：

暂无

中图分类号：

TQ320.77 [产品检验]; TP183 [人工神经网络与计算];

学科分类号：

0805 ; 080502 ; 081104 ; 0812 ; 0835 ; 1405 ;

摘要：

为了实现塑料的分类回收,需要对塑料进行快速准确的鉴别。收集了丙烯腈-丁二烯-苯乙烯(ABS)、聚丙烯(PP)、聚乙烯(PE)、聚对苯二甲酸乙二醇酯(PET)、聚苯乙烯(PS)、聚氯乙烯(PVC)、聚碳酸酯(PC)等7种常用的塑料,利用近红外光谱仪分别测得其反射光谱,应用主成分分析和反向传播(BP)神经网络建立模型进行鉴别。首先利用主成分分析提取光谱的特征信息,前8个主成分的累计贡献率达到94.367%,包含了原始光谱的主要信息,将这8个主成分作为BP神经网络的输入,7种塑料的种类作为输出,建立三层BP神经网络模型。每种塑料各30个样本共210个用来训练神经网络模型,各10个共70个用来预测,预测结果准确率达98.571%,能够有效鉴别常用塑料。

引用

页码：124 / 127+137 +137

页数：5

共 13 条

[1] 基于近红外光谱建立PE、PP和PET的识别分类模型 [J].

张毅民 ;

王鹏 ;

白家瑞 ;

马冬雅 .

现代化工, 2016, 36 (03) :182-186

[2] 近红外光谱结合主成分分析和BP神经网络的转基因大豆无损鉴别研究 [J].

吴江 ;

黄富荣 ;

黄才欢 ;

张军 ;

陈星旦 .

光谱学与光谱分析, 2013, 33 (06) :1537-1541

[3] 废旧混合塑料识别分离与清洗技术研究进展 [J].

张毅民 ;

刘红莎 ;

朱艳芳 ;

胡彪 ;

汤桂兰 .

化工进展, 2013, 32 (06) :1401-1406

[4] 红外光谱仪在鉴定塑料材质的应用 [J].

孟玲 ;

付露 ;

桂玉梅 .

广东化工, 2013, 40 (10) :54-55+76

[5] 基于近红外光谱技术的常见塑料快速分类方法研究 [J].

郭慧玲 ;

邓文怡 ;

李晓英 .

现代科学仪器, 2012, (05) :28-31+44

[6] 浮沉分离法回收HDPE/PP混合物的研究 [J].

邢紫云 ;

许海燕 ;

吴驰飞 .

塑料科技, 2012, 40 (02) :60-63

[7] 用红外光谱鉴定塑料成分 [J].

刘荣仲 ;

刘俊松 .

塑料科技, 2008, (06) :72-77

[8] 基于主成分分析和神经网络的近红外光谱苹果品种鉴别方法研究 [J].

何勇 ;

李晓丽 ;

邵咏妮 .

光谱学与光谱分析, 2006, (05) :850-853

[9]

CHARACTERIZATION OF POLYOLEFINS WASTES BY FTIR SPECTROSCOPY[J] . Moldovan,A,Buican,R,Patachia,S,Tierean,M H. Bulletin of the Transilvania University of Brasov. Engineering Sciences. Series I . 2012 (2)

[10]

PVC removal from mixed plastics by triboelectrostatic separation[J] . Chul-Hyun Park,Ho-Seok Jeon,Jai-Koo Park. Journal of Hazardous Materials . 2006 (1)

← 1 2 →