一种基于光谱识别技术的干垃圾深度分选方法与装置制造方法及图纸

本发明专利技术公开了一种基于光谱识别技术的干垃圾深度分选方法与装置。方法包括以下步骤：建立源头分类后干垃圾的深度分选类别；获取不同深度分选类别干垃圾的红外光谱数据，并建立干垃圾红外光谱数据库；对红外光谱数据进行预处理，构建随机森林分类模型，并采用留一法进行交叉验证；利用光谱识别技术，结合训练好的随机森林分类模型，检测未知种类干垃圾的红外光谱数据，获得其归属类别，以实现深度分选。本发明专利技术还公开了一种干垃圾深度分选装置，包括运输装置、分拣装置、收集装置和中枢控制装置。本发明专利技术通过不同类别干垃圾红外光谱的差异，依靠光谱识别技术对源头分类后的干垃圾进行深度分选，大大地提高了城市生活垃圾中干垃圾的回收利用效率。收利用效率。收利用效率。

【技术实现步骤摘要】
一种基于光谱识别技术的干垃圾深度分选方法与装置


[0001]本专利技术属于垃圾深度分选
，具体涉及一种基于光谱识别技术的干垃圾深度分选方法与装置。

技术介绍

[0002]随着我国城市化进程的高速推进，垃圾围城的窘境日益严重。城市生活垃圾作为一种城市生态系统转化的副产物，具有种类多、总量大等特点，传统的垃圾处理方式一般为较为粗犷的焚烧发电和卫生填埋，具有二次污染和资源回收率低等缺点。为了提高生活垃圾的资源产出率，2018年，我国住房和城乡建设部提出将逐步建设生活垃圾源头分类“四分法”，将生活垃圾分为可回收物、厨余垃圾、有害垃圾、其他垃圾四大类，并分别进行减量化、无害化和资源化利用。源头分类后的其他垃圾，通常也称为干垃圾，占生活垃圾总量的30％以上，目前的处理方式仍为焚烧或填埋。然而，干垃圾中含有大量被污染的废纸张、废塑料、废橡胶、织物、木竹等多种有机组分，这些组分按照成分的不同可以分为纤维素及其衍生物、烯类聚合物等，并可以进一步通过不同的手段进行高值化利用，将这些组分分离出来对于进一步提高生活垃圾的资源产出率意义重大。<br/>[0003]本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于光谱识别技术的干垃圾深度分选方法，所述方法包括：步骤一：建立源头干垃圾深度分选类别，包括纤维素类、烯类聚合物类以及低值类；步骤二：人工获取不同深度分选类别干垃圾对应的红外光谱数据，建立干垃圾红外光谱数据库；步骤三：对步骤二所述红外光谱数据进行预处理，并且提取特征波段，得到分类模型建立所需样本数据；步骤四：将步骤三所述样本数据，作为数据集训练随机森林分类模型，并采用留一法交叉验证，获得训练好的随机森林分类模型；步骤五：建立干垃圾分选系统，利用光谱识别技术，获取待测干垃圾的红外光谱数据，并将其输入到步骤四所获得的随机森林分类模型中，得到所述待测干垃圾的深度分选类别；步骤六：将步骤五所述待测干垃圾红外光谱数据与其对应的深度分选类别补充加入至步骤二所述的干垃圾红外光谱数据库。2.根据权利要求1所述的一种基于光谱识别技术的干垃圾深度分选方法，其特征在于，步骤二所述红外光谱数据为干垃圾在650～4000cm
‑1波段的红外光谱数据。3.根据权利要求1所述的一种基于光谱识别技术的干垃圾深度分选方法，其特征在于，步骤三所述预处理包括多元散射矫正、导数与平滑滤波联合处理和主成分分析法。4.根据权利要求1所述的一种基于光谱识别技术的干垃圾深度分选方法，其特征在于，步骤四所述随机森林分类模型的建立，包括生成100～1000棵决策树，每颗决策树包含在样本数据内随机抽取的5～20个变量；其中在所述步骤三中特征波段内的变量越多，所述决策树权重w
i
就越大。5.根据权利要求4所述的一种基于光谱识别技术的干垃圾深度分选方法，其特征在于，所述随机森林分类模型的判别结果计算方式为：其中，w
i
表示为每颗决策树的权重，h
i
(x)表示为每棵决策树的判别结果，T表示为决策树总量。6.根据权利要求4所述的一种基于光谱识别技术的干垃圾深度分选方法，其特征在于，所述步骤四采用留一法交叉验证，具体实现过程为：其中，N表示干垃圾...

【专利技术属性】
技术研发人员：胡斌，付浩，王文斌，刘吉，张兵，马善为，陆强，
申请(专利权)人：华北电力大学，
类型：发明
国别省市：