發(fā)布時(shí)間：2021-03-31 09:39

　　隨著工業(yè)化進(jìn)程的不斷推進(jìn),全球塑料行業(yè)的生產(chǎn)規(guī)模迅速擴(kuò)大,塑料制品被廣泛應(yīng)用在建筑、交通、家電以及農(nóng)業(yè)等各個(gè)行業(yè),極大的方便了人們的生產(chǎn)和生活。然而,塑料產(chǎn)品的使用周期比較短,全球已累積大量廢塑料,為改善環(huán)境和節(jié)約資源,對廢塑料的回收再利用研究是當(dāng)今社會的迫切需求。廢塑料進(jìn)行識別分類是塑料循環(huán)利用過程中的首要步驟,是保證塑料再生產(chǎn)品質(zhì)量的關(guān)鍵。因此,本文以廢塑料為研究對象,將近紅外光譜技術(shù)與模式識別相結(jié)合,針對塑料回收過程中的識別分類技術(shù)開展研究,主要研究內(nèi)容如下:（1）塑料樣本近紅外光譜預(yù)處理和特征波長的提取。采用蒙特卡洛交叉驗(yàn)證法剔除異常樣本;采用移動(dòng)平均平滑（MAS）和Savitzky-Golay（S-G）卷積平滑法對光譜進(jìn)行平滑處理,并以留1交叉驗(yàn)證準(zhǔn)確率為平滑窗口大小的選擇依據(jù);采用標(biāo)準(zhǔn)正態(tài)變換（SNV）和多元散射校正法（MSC）對光譜進(jìn)行光程校正,采用導(dǎo)數(shù)法進(jìn)行光譜的基線校正。采用主成分分析法（PCA）、連續(xù)投影算法（SFA）、競爭性自適應(yīng)重加權(quán)算法（CARS）和無信息變量消除法（UVE）對原始光譜以及預(yù)處理后的光譜進(jìn)行特征波長的提取,去除塑料光譜數(shù)據(jù)中的冗余信息,提高建模... 

【文章來源】：青島科技大學(xué)山東省

【文章頁數(shù)】：82 頁

【學(xué)位級別】：碩士

【部分圖文】：

塑料制品產(chǎn)量和廢塑料回收情況

⒒?贐P神經(jīng)網(wǎng)絡(luò)的定性識別模型，只有1組HDPE塑料樣本被識別模型錯(cuò)分為PS，其余7種塑料樣本全部識別正確。1.3模式識別模式識別是利用數(shù)學(xué)算法、統(tǒng)計(jì)學(xué)、信號處理等工具對表征事物或現(xiàn)象的信息進(jìn)行提取，進(jìn)而對研究的事物或現(xiàn)象進(jìn)行分類或聚類的方法[15]，模式識別是一種多變量分析方法，是人工智能領(lǐng)域和信息科學(xué)的重要組成部分。模式識別分為無監(jiān)督分類和有監(jiān)督分類，無監(jiān)督分類只有輸入樣本數(shù)據(jù)，無樣本數(shù)據(jù)所對應(yīng)的類別；有監(jiān)督分類的各實(shí)驗(yàn)樣本的類別已知，并需要大量的已知樣本來訓(xùn)練分類器。模式識別的流程框圖如圖1-2所示。圖1-2模式識別的流程框圖Figure1-2Flowchartofpatternrecognition

孔徑雷達(dá)海冰圖像無監(jiān)督自動(dòng)分類算法，不僅提高了識別速率，還解決了無監(jiān)督圖像分類過程中手動(dòng)輸入類別的問題。本文采用有監(jiān)督模式識別法對塑料樣本進(jìn)行分類，常用的有監(jiān)督模式識別算法有：人工神經(jīng)網(wǎng)絡(luò)、隨機(jī)森林、支撐向量機(jī)、偏最小二乘辨別分析法、K-最近鄰法等、簇類獨(dú)立軟模式法[19-21]。1.4近紅外光譜技術(shù)1.4.1近紅外光譜技術(shù)的原理近紅外光是一種介于可見光和中紅外光之間的電磁波，其波長范圍在780-2526nm，具體分為近紅外短波（780-1100nm）和近紅外長波（1100-2526nm）兩個(gè)區(qū)域，近紅外光譜波長范圍示意圖如圖1-3所示。圖1-3近紅外光譜波長范圍示意圖Figure1-3Schematicdiagramofthewavelengthrangeofthenear-infraredspectrum

【參考文獻(xiàn)】：
期刊論文
[1]基于小波變換-遺傳算法-偏最小二乘的草莓糖度檢測研究[J]. 張娟,原帥,張駿.  分析科學(xué)學(xué)報(bào). 2020(01)
[2]不同品牌豆?jié){粉與假冒豆?jié){粉無損鑒別方法的建立[J]. 李尚科,董怡青,李跑,單楊,蔣立文,劉霞.  中國食品學(xué)報(bào). 2020(04)
[3]基于PSO-SVM的安全投入預(yù)測模型研究[J]. 郭進(jìn)平,吳泳杉.  建設(shè)科技. 2020(Z1)
[4]小花清風(fēng)藤及其同屬藥用植物近紅外光譜鑒定研究[J]. 孫慶文,溫迪,郭文凱,王波,徐文芬.  中國現(xiàn)代中藥. 2020(05)
[5]近紅外光譜結(jié)合變量優(yōu)選和GA-ELM模型的干制哈密大棗水分含量研究[J]. 王文霞,馬本學(xué),羅秀芝,李小霞,雷聲淵,李玉潔,孫靜濤.  光譜學(xué)與光譜分析. 2020(02)
[6]近紅外光譜結(jié)合連續(xù)投影算法檢測綜纖維素含量[J]. 熊智新,馬璞璠,梁龍,房桂干.  中國造紙學(xué)報(bào). 2019(04)
[7]全球塑料循環(huán)體系演化與我國的應(yīng)對策略[J]. 陳偉強(qiáng),簡小枚,汪鵬,石磊.  資源再生. 2020(01)
[8]不同波長選擇方法在土壤有機(jī)質(zhì)含量檢測中對比研究[J]. 程介虹,陳爭光,張慶華.  中國農(nóng)業(yè)科技導(dǎo)報(bào). 2020(01)
[9]歐洲包裝回收猛增92%[J].   綠色包裝. 2019(11)
[10]基于反向傳播神經(jīng)網(wǎng)絡(luò)的激光誘導(dǎo)熒光光譜塑料分類識別方法研究[J]. 王翔,趙南京,殷高方,孟德碩,馬明俊,俞志敏,石朝毅,覃志松,劉建國.  光譜學(xué)與光譜分析. 2019(10)

博士論文
[1]基于拉曼光譜與有機(jī)成分分析的大米身份識別[D]. 田芳明.吉林大學(xué) 2018
[2]谷物霉菌的高光譜成像辨識方法和霉變玉米籽粒檢測方法研究[D]. 褚璇.中國農(nóng)業(yè)大學(xué) 2018
[3]基于高光譜成像技術(shù)的冷鮮豬肉品質(zhì)無損檢測方法研究[D]. 劉善梅.華中農(nóng)業(yè)大學(xué) 2015
[4]基于光譜和高光譜成像技術(shù)的海水魚品質(zhì)快速無損檢測[D]. 朱逢樂.浙江大學(xué) 2014

碩士論文
[1]近紅外光譜分析技術(shù)用于穿山龍鑒別的研究[D]. 汪方舟.山東農(nóng)業(yè)大學(xué) 2019
[2]基于NIR的木材物理力學(xué)性質(zhì)估測及模型優(yōu)化研究[D]. 尹世逵.東北林業(yè)大學(xué) 2019
[3]基于近紅外光譜分析技術(shù)的豬肉品質(zhì)快速檢測方法研究[D]. 戴小也.中國礦業(yè)大學(xué) 2019
[4]基于多源高光譜數(shù)據(jù)對土壤重金屬鉻的量化反演研究[D]. 杜文濤.中國地質(zhì)大學(xué)(北京) 2019
[5]基于顏色特征的回收塑料瓶分類算法研究[D]. 范亭亭.河北工程大學(xué) 2018
[6]制漿材主要成分的近紅外模型優(yōu)化與轉(zhuǎn)移研究[D]. 楊浩.南京林業(yè)大學(xué) 2018
[7]基于近紅外光譜技術(shù)的赤霞珠干紅葡萄酒品質(zhì)指標(biāo)檢測方法研究[D]. 李霞.西北農(nóng)林科技大學(xué) 2018
[8]近紅外光譜分析技術(shù)在常用塑料快速鑒別上的應(yīng)用[D]. 李文環(huán).中國計(jì)量大學(xué) 2018
[9]針對塑料樣品的激光誘導(dǎo)擊穿光譜數(shù)據(jù)庫和分類方法研究[D]. 劉可.吉林大學(xué) 2017
[10]食用油碘值與皂化值的光譜定量檢測及特征值鑒別油脂種類方法的研究[D]. 吳雙.武漢輕工大學(xué) 2017



本文編號：3111217