基于近红外光谱的废旧塑料识别分类模型的建立

摘要

过去几十年，科学技术的巨大进步与经济社会的快速发展，使得各种塑料制品的需求与产量均有了巨大的增长，但是随着塑料产品的消耗量不断递增，每年都会产生大量的塑料固体垃圾。传统的焚烧和填埋处理会给我们赖以生存的环境带来非常严重的污染；同时也造成了极大的资源浪费。因此，进行废旧塑料的回收再利用研究是实现我国经济社会健康可持续发展的迫切需求。
　　本文分析了目前国内外废旧塑料的回收利用现状与发展前景，并介绍了常用的塑料回收利用技术，同时还对国内外关于光谱识别废旧塑料的研究进行了分析。在此基础上，提出了基于近红外光谱技术建立10种废旧塑料的识别分类模型。
　　其次，论述了近红外高光谱成像技术的工作原理以及识别废旧塑料的可行性。利用近红外成像光谱仪采集了PE、PP、PS、PC、PA、PU、PET、PVC、POM和ABS这10种塑料样本的近红外高光谱图像，进行黑白校正并获取感兴趣区域内的光谱数据。
　　第三，详细论述了主成分分析法与偏最小二乘回归法的计算原理和推导过程，以PE、PP和PET这3种最常见的塑料为例，分别用这两种方法选择特征波长，并以Fisher判别分析为依据，验证这两种方法的优劣。结果显示，主成分分析法选择出11个特征波长，判别分析时自身检验和交叉验证的准确率均为100％；偏最小二乘回归法选择出10个特征波长，判别分析时自身检验和交叉验证的准确率分别为100％和99％。因此，选择主成分分析法作为选取特征波长的方法。
　　第四，详细论述了距离判别分析法与支持向量机序列最小优化算法的计算原理和推导过程，并对使用主成分分析法选择出的PE、PP和PET这3种塑料的11个特征波长对应的光谱数据分别建立识别分类模型，分类准确率分别为100％和97.14％，然后用30个预测集样本验证模型的分类准确率。结果显示，两种方法建立的模型对未知样的识别分类准确率均为100％。因此，使用距离判别分析法建立的识别分类模型预测效果较好。
　　最后，利用主成分分析法和距离判别分析法建立10种废旧塑料的多级识别分类模型，并用预测集样本验证模型的分类准确率。结果显示，110个预测集样本中有4个判别错误，分类准确率达到了96.36％，基本上可以达到识别分类准确率的要求。最终，设计了一套未知塑料样本的多级识别分类工艺流程。

目录

声明

第一章 文献综述

1.1 研究背景及意义

1.2 国内外废旧塑料的回收与利用现状

1.3 废旧塑料的处理与传统的分离方法

1.4 国内外光谱识别分类废旧塑料的研究

1.5 论文研究思路与内容

第二章 基于近红外高光谱技术废旧塑料光谱数据的采集与分析

2.1 近红外高光谱成像技术

2.2 近红外光谱识别废旧塑料的基本原理

2.3 塑料样本光谱数据的采集与分析

2.4 本章小结

第三章 特征波长选择方法的研究

3.1 特征波长选择的依据与方法

3.2 主成分分析法选取特征波长

3.3 偏最小二乘回归法选取特征波长

3.4 基于Fisher判别分析选择合适的特征波长选择方法

3.5 本章小结

第四章 识别分类模型建立方法的研究

4.1 识别分类模型概述

4.2 基于距离判别分析法建立识别分类模型

4.3 基于支持向量机序列最小优化算法建立识别分类模型

4.4 两种方法对比分析

4.5 本章小结

第五章 识别分类模型的建立与验证

5.1 识别分类模型的设计思路

5.2 识别分类模型的建立

5.3 识别分类模型的验证

5.4 本章小结

第六章 结论与展望

6.1 结论

6.2 展望

参考文献

发表论文和参加科研情况说明

致谢