一种基于多算法协同选优的混合废塑料分类方法技术

本发明专利技术公开了一种基于多算法协同选优的混合废塑料分类方法。首先通过红外光谱仪采集3～5次塑料样本的光谱信息，将样本数据求均值建立光谱图库，利用多种常规的降噪、基线校正及光程校正方法处理光谱数据，得到三种光谱数据处理方案；使用三种光谱数据处理方案分别处理光谱数据，依据混合塑料分类的准确率选取一种最优的光谱数据处理方法；根据混合塑料分类的准确率从多种常规的特征提取方法中选取最优的一种特征提取方法；最后使用最优的光谱数据处理方法和最优的特征提取方法处理待分类塑料样本的光谱数据并导入混合塑料分类识别模型得到塑料分类准确率。本发明专利技术对光谱数据降噪、基线校正、光程校正搭配处理的方法显著提高了塑料分类的准确性。高了塑料分类的准确性。

【技术实现步骤摘要】
一种基于多算法协同选优的混合废塑料分类方法


[0001]本专利技术涉及混合废塑料的分类方法，具体涉及一种基于多算法协同选优的混合废塑料分类方法。

技术介绍

[0002]随着工业化的不断发展，塑料产量与消费量也逐年增长，塑料的使用周期比较短，40％的塑料的使用寿命只有1到2年。所以在较短的时间内容易堆积大量的废塑料，造成环境污染。现阶段塑料污染治理已经上升为亟需解决的社会重大问题，合理的回收利用废塑料至关重要。
[0003]国家标准《废塑料回收技术规范》(GB/T 39171
‑
2020)明确要求塑料分选应当遵循稳定、无二次污染的原则，并且分选后单一组分纯度达到90％的产品才可进行后期高值化利用。由于回收的塑料成分不一，所以要做到高效率的循环回收利用，前端的高效识别分类则是废塑料高值化循环利用的关键环节。
[0004]光电分选法借助光学检测和传感识别技术，实现物质的高纯度分类。样本被连续频率的近红外光照射，对经过样本漫反射和透射后形成的近红外光谱进行分析，可得到样本的特征信息。在基线和峰信号上面，分布着噪声，在总本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于多算法协同选优的混合废塑料分类方法，其特征在于包括以下步骤：步骤1、将收集的塑料样本经过3～5次光谱采集，取光谱采集的均值作为标准图库建立的依据；步骤2、对步骤1建立的光谱图库进行异常样本剔除，然后利用多种常规降噪方法、多种常规的基线校正方法和多种常规的光程校正方法消除噪声、基线以及光程产生的干扰，得到三种光谱数据处理方案；步骤3、用步骤2中得到的三种光谱数据处理方案分别处理光谱数据，将处理后的光谱数据作为混合塑料分类识别模型的输入变量，以混合塑料分类识别模型的分类准确率最高为依据，选取三种光谱数据处理方案中最优的一种光谱数据处理方法；步骤4、基于步骤3得到的最优光谱数据处理方法，利用多种常规的特征提取方法提取塑料光谱数据的特征信息并作为混合塑料分类识别模型的输入变量，以混合塑料分类识别模型的分类准确率最高为依据，在多种常规的特征提取方法中选取最优的一种特征提取方法；步骤5、基于步骤3得到的最优的光谱数据处理方法和步骤4得到的最优的特征提取方法处理待分类塑料样本的光谱数据并导入混合塑料分类识别模型，得到待分类塑料的分类的准确率。2.根据权利要求1所述的一种基于多算法协同选优的废塑料分类方法，其特征在于步骤2中对三种光谱数据处理方案的获取，具体如下：利用多种常规降噪方法对光谱数据进行降噪处理，通过交叉验证方式在多种常规降噪方法中选取一种最优的降噪方法，该最优降噪方法作为第一种方案；在第一种方案基础上，利用多种常规的基线校正方法对光谱数据进行基线校正，通过交叉验证方式在多种常规的基线校正方法中选取一种最优的基线校正方法，该最优降噪
‑
...

【专利技术属性】
技术研发人员：李林，李华清，尹凤福，陈泽鹏，
申请(专利权)人：青岛科技大学，
类型：发明
国别省市：