一种基于近红外光谱常用塑料分类方法

《一种基于近红外光谱常用塑料分类方法》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、一种基于近红外光谱常用塑料分类方法摘要：塑料制品以其质轻、美观实用等特点广泛应用在日常生活及各行各业中，其大量使用给环境造成了严重污染,消除污染最积极的办法是对其进行回收再利用，但常用塑料的种类繁多，不同塑料制品的成分及可塑性不同，进行回收利用的价值也不同，只有对塑料进行分类收集处理，才能提高回收利用率。本文基于近红外光谱法提出了一种塑料分类的新方法。该方法选择测定了60个样本的近红外光谱数据，引入支持向量机算法对其进行训练预测：选用40个样本作为训练集，建立模型；20个作为预测集，优化模型；利用该模型对采集的未知样本

2、进行分类预测，得到较高的准确率。新方法对快速处理废旧塑料具有积极的作用。关键字：近红外光谱；塑料；支持向量机；分类；引言9近年来,随着塑料工业的不断发展,塑料制品已成为人们日常生活中不可或缺的组成部分，因具有质轻、外观美、加工方便、经济实用等特点推动了工农业的持续发展和当代高科技的兴起;塑料制品的大量使用也给环境造成了严重污染，影响生态健康及人体健康，同时也造成了一定的资源浪费。从保护环境、资源的综合利用角度考虑，对塑料制品的回收利用是我国当前的首要途径。由于塑料种类繁多,不同种类的塑料性质和用途不相同，按材质分类收集

3、处理以提高利用率。对常用塑料的分类方法很多，较近代的有外观鉴别法、燃烧法、静电法，光学法、紫外光谱法、拉曼光谱法、中红外（MIR）法及近红外(NIR)法，其中NIR法是最吸引人的先进技术之一[1,2]。近红外光谱分析技术是20世纪90年代以来发展最快、最引人注目的技术，以不破坏样品、操作简单、稳定性好等特点应用于农业、工业等领域。将近红外光谱技术应用于对塑料制品的分类，已经成为研究热点之一。本文对塑料样本采集红外光谱数据，引入支持向量机算法对塑料样本进行分类预测，得到较高的准确率和处理速度，具有很好的应用前景。对塑料制

4、品能正确快速的分类，既促进废旧塑料分类投放及收集，又节约分选归类所需的大量人力、物力及资金，对减轻生活垃圾的处理，消除“白色污染”、保护环境、节约能源、资源综合利用具有深远意义。1.方法研究的理论基础1.1.近红外光谱分析技术9近红外光谱是指物质在近红外区的吸收光谱。其波长范围介于可见光与中红外光之间的电磁波，美国材料检测协会定义其波长范围为780～2526nm，波数范围为12820～3959cm-1。近红外区的吸收是低能电子跃迁以及含有氢原子的原子团如C-H、O-H、N-H等的倍频和合频所产生的。它对醇、酚、胺、不饱

5、和碳氢化合物，某些高分子以及其它含C-H、O-H、N-H原子团的化合物的定量分析很适宜。近红外光谱图稳定，获取比较容易，因此被誉为分析的巨人。近红外光谱技术是一项综合了光谱学和化学计量等方面知识的样品的现代分析技术，与传统的技术相比，现代近红外光谱技术具有测定速度快、效率高、设备简单易于维护、无需对样本进行前处理、检测成本低、环境污染小等特点，已广泛应用于各个领域。光纤的介入更使得近红外光谱技术可以在恶劣的环境和危险环境下进行在线过程分析及控制。目前近红外光谱技术已经应用在农业、食品工业分析、石油化工等领域[3,4,5

6、]。1.2.支持向量机算法[6,7]9支持向量机(SVM)是一种模式识别方法，是建立在结构风险小和统计学习理论的VC维理论基础上的，主要研究如何从一些观测数据中挖掘出目前尚不能通过原理分析得到的规律，并利用这些规律去分析客观对象，对未知数据或无法观测的新数据进行预测和判断的一种算法。与传统的统计学相比，支持向量机是一种专门研究小样本情况下机器学习规律的理论，避免了人工神经网络等方法的网络结构选择、过学习和欠学习以及局部极小等问题，已在模式识别、信号处理、函数逼近等领域得到了应用。此外，支持向量机是一个凸二次优化问题，能

7、够保证找到的极值解是全局最优解，它是一种优秀的基于数据的机器学习方法，目前处于不断发展阶段。SVM是从线性可分情况下的最优分类面发展而来的，基本思想是建立一个超平面作为决策曲面，使得正反比例的隔离边缘被最大化，保证最小分类错误率。对于线性可分情况，两类n维样本向量（，），（，）…（，）｛+1，―1｝，线性判别函数为：（1-1）将判别函数进行归一化，使两类所有样本都满足，此时离分类面最近的样本的，要求分类面对所以样本都能正确分类，即满足：i=1，…，n（1-2）此时分类间隔等于，间隔最大等价于最小。满足式（2-2）且使最

8、小的分类面就是最优分类面。定义如下的Lagrange函数：（1-3）式中，为Lagrange乘子。为求式（1.2-3）的最小值，分别对求偏微分并令它们等于0，在利用结构风险最小原则时，优化目标选择松弛因子允许错分样本存在，此时的分类面满足：―松弛因子。当09未知样本的采集光谱图及数据处理后的光谱图如图4所示：图4未知样本及处理谱图