一种基于近红外塑料分类的优化系统及方法技术方案

本发明专利技术公开一种基于近红外塑料分类的优化系统及方法，系统包括近红外光谱采集模块、电脑、分离喷嘴，待分选的混合塑料片在传送带表面匀速前进，传送带的上方布置近红外光谱采集模块，作用是发射近红外光；近红外光谱采集模块包括传感器、灯源、光谱仪模块，其发出漫反射采集光谱送入电脑，电脑对该信息建立塑料分类模型，进行特征提取和预处理，进而通过分离喷嘴实现塑料分选。本发明专利技术对于预处理排列组合确定最优组合方法，通过S

【技术实现步骤摘要】
一种基于近红外塑料分类的优化系统及方法


[0001]本专利技术属于近红外分选技术的塑料分选领域，具体涉及一种基于近红外塑料分类的优化系统及方法。

技术介绍

[0002]当前，随着全球塑料产业链的不断升级，塑料制品多元化也在不断发展，生活中塑料制品随处可见，塑料工业已经成为国民经济的支柱产业。由于塑料产业的不断生产和人们对塑料制品的不断使用，产生的废塑料比重日益增大，造成废塑料在环境中的长期累积，导致严重的环境污染和能源资源浪费，为改善环境和节约资源，首先要重视废塑料的分选处理,以便于废塑料的回收利用。
[0003]目前，塑料制品的性能和用途呈现多元化，如若不进行分类回收则可能导致新制产品的性能不稳定，进而造成塑料资源和人力资源的浪费。废塑料回收过程中使用的分选技术主要有浮选、电磁、密度和光电分选法，基于近红外光谱技术的光电分选法在塑料识别分类中发展迅速，将近红外光谱与化学计量学方法结合建立定性模型，可快速鉴别塑料种类。
[0004]CN 201811030174.7公开一种废弃塑料种类的分选装置及其分选方法，其中，废弃塑料种类的分选装置，包括输送机构，设于所述输送机构前沿上方的近红外线扫描光源，位于所述近红外线扫描光源前端的NIR光电探测器，与所述近红外线扫描光源和NIR光电探测器连接的控制机构，设于所述输送机构前端下方的高压喷气机构；所述高压喷气机构与所述控制机构连接，所述高压喷气机构的前端还设有分类隔板。本专利技术通过近红外线扫描光源照射不同塑料种类的光谱差异，对不同种类的废弃塑料进行分选，大大提高了废弃塑料的分类效率，提高城市生活垃圾的资源回用率，通过更准确的分类提高产物的价值，同时更好地保护了环境，实用性强。中华人民共和国国家生态环境标准《废塑料污染控制技术规范》(HJ 364—2022)提到废塑料分选应遵循稳定、二次污染可控的原则，根据废塑料特性，宜采用气流分选、静电分选、X射线荧光分选、近红外分选、熔融过滤分选、低温破碎分选及其他新型的自动化分选等单一或集成化分选技术。
[0005]然而，在塑料近红外光谱采集中，会出现一些异常光谱需要剔除，以及噪音问题、基线问题、光程问题等，需要进行预处理操作。

技术实现思路

[0006]有鉴于此，本专利技术针对上述问题，采用如下技术方案实现：
[0007]一种基于近红外塑料分类的优化系统，包括近红外光谱采集模块、电脑、分离喷嘴，待分选的混合塑料片在传送带表面匀速前进，传送带的上方布置近红外光谱采集模块，作用是发射近红外光，
[0008]近红外光谱采集模块包括传感器、灯源、光谱仪模块，其发出漫反射采集光谱送入电脑，电脑对该信息建立塑料分类模型，进行特征提取和预处理，进而通过分离喷嘴实现塑
料分选。
[0009]优选的，近红外光谱采集模块向塑料表面发射特定频率的近红外光，这些近红外光照射到塑料片表面后形成漫反射，近红外光谱采集模块就采集到了包含PC、PP、PS、PVC四种塑料材质的反射光谱信息。因为不同种类塑料材质的反射光谱信息是不同的，反射光谱的信息可以用吸光度进行反应，用电脑将光谱信息求平均值建立光谱数据库。
[0010]优选的，漫反射采集方式快速准确，应用较为广泛，但由于噪音以及塑料本身性质等因素，导致光谱信号比较复杂，仪器所测的光谱信息可能会存在异常光谱信息并包含一些噪音、基线、光程问题，需要对这些采集的光谱信息进行预处理，预处理分为剔除异常样本、降噪处理、基线校正和光程校正。
[0011]进一步的，基于光谱数据采集时的异常光谱信息问题，进行异常样本剔除；
[0012]基于光谱数据采集时的噪音问题、基线问题和光程问题，分别进行塑料光谱数据的降噪处理、基线校正和光程校正，采用不同的预处理方法对光谱数据进行预处理排列组合，选择最优光谱数据的预处理排列组合，有效的进行光谱特征波长的提取。
[0013]进一步的，对PC、PP、PS、PVC塑料的原始近红外光谱进行特征提取并建立塑料分类模型后就可以更准确识别出不同种类的塑料材质。
[0014]对于识别后的塑料片，通过控制传送带末端的分离喷嘴快速开和闭进行有效的分离。
[0015]优选的，利用降噪处理、基线校正以及光程校正三类方法排列组合处理光谱数据，可以得到对光谱数据进行的单一预处理、两种预处理和三种预处理方法。
[0016]依据塑料分类的5
‑
折交叉验证平均准确率选择最优预处理排列组合方法进行特征提取，建立比较模型，得到塑料样本的最佳模型的平均分类准确率。
[0017]优选的，一种基于近红外塑料分类的方法步骤包括：塑料样本近红外光谱建立、样本集划分、塑料样本近红外光谱预处理、光谱数据单一预处理方法选择、光谱数据两种预处理方法选择、光谱数据三种预处理方法选择、最优光谱数据预处理方法选择、特征波长提取、待分类塑料样本预测。
[0018]优选的，一种基于近红外塑料分类的方法，步骤包括：
[0019]塑料样本近红外光谱建立、样本集划分、塑料样本近红外光谱预处理、光谱数据单一预处理方法选择、光谱数据两种预处理方法选择、光谱数据三种预处理方法选择、最优光谱数据预处理方法选择、特征波长提取、待分类塑料样本预测。
[0020]优选的，塑料样本近红外光谱建立步骤包括塑料样本选择、仪器选择、选取波长范围。
[0021]优选的，塑料样本近红外光谱预处理步骤包括剔除异常样本，降噪、基线校正、光程校正。
[0022]本专利技术的技术方案至少具有如下优点和有益效果：
[0023]1.本专利技术提供的近红外塑料分类的算法优化组合方法，其有益效果在于，对于光谱数据采集时的噪声、基线以及光程问题，将3点S
‑
G、FD、SNV预处理方法进行排列组合，预处理最优S
‑
G+FD+SNV+SVM模型的5
‑
折交叉验证平均准确率为96.8972％，平均准确率最为理想。选择最优预处理组合S
‑
G+FD+SNV分别进行CARS+BP与CARS+SVM建立模型预测，最优S
‑
G+FD+SNV+CARS+SVM模型的训练集和测试集准确率均为100％。对于预处理排列组合确定最
优组合方法，通过S
‑
G+FD+SNV+CARS+SVM建立定性模型，可实现该类塑料的准确鉴别。
[0024]2.本专利技术将采集中出现的噪音，利用卷积平滑处理进行降噪，采集中出现的基线漂移，利用一阶导数有效消除背景干扰和基线漂移的影响，采集中出现的光程问题，利用标准正态变量变换消除散射现象。结合以上预处理方法进行组合优化，得到最佳预处理组合。最后进行光谱数据的特征提取并建立模型实现废塑料分选，便于废旧塑料的回收利用，便于废塑料资源利用。
附图说明
[0025]图1是本专利技术的近红外分类的具体示意图；
[0026]图2是本专利技术的近红外分类的具体流程图；
[0027]图3是本专利技术的原始近红外光谱图；
[0本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于近红外塑料分类的优化系统，其特征在于：包括近红外光谱采集模块、电脑、分离喷嘴，待分选的混合塑料片在传送带表面匀速前进，传送带的上方布置近红外光谱采集模块，作用是发射近红外光；近红外光谱采集模块包括传感器、灯源、光谱仪模块，其发出漫反射采集光谱送入电脑，电脑对该信息建立塑料分类模型，进行特征提取和预处理，进而通过分离喷嘴实现塑料分选。2.根据权利要求1所述的一种基于近红外塑料分类的优化系统，其特征在于：近红外光谱采集模块向塑料表面发射特定频率的近红外光，这些近红外光照射到塑料片表面后形成漫反射，近红外光谱采集模块就采集到了包含PC、PP、PS、PVC四种塑料材质的反射光谱信息；反射光谱的信息可以用吸光度进行反应，用电脑将光谱信息求平均值建立光谱数据库；对这些采集的光谱信息进行预处理，预处理分为剔除异常样本、降噪处理、基线校正和光程校正。3.根据权利要求2所述的一种基于近红外塑料分类的优化系统，其特征在于：基于光谱数据采集时的异常光谱信息问题，进行异常样本剔除；基于光谱数据采集时的噪音问题、基线问题和光程问题，分别进行塑料光谱数据的降噪处理、基线校正和光程校正，采用不同的预处理方法对光谱数据进行预处理排列组合，选择最优光谱数据的预处理排列组合，有效的进行光谱特征波长的提取。4.根据权利要求3所述的一种基于近红外塑料分类的优化系统...

【专利技术属性】
技术研发人员：尹凤福，李家帅，王凯，吴翰，刘俊成，
申请(专利权)人：青岛科技大学，
类型：发明
国别省市：