【摘要】：為了實現塑料的分類回收,需要對塑料進行快速準確的鑒別。收集了丙烯腈-丁二烯-苯乙烯(ABS)、聚丙烯(PP)、聚乙烯(PE)、聚對苯二甲酸乙二醇酯(PET)、聚苯乙烯(PS)、聚氯乙烯(PVC)、聚碳酸酯(PC)等7種常用的塑料,利用近紅外光譜儀分別測得其反射光譜,應用主成分分析和反向傳播(BP)神經網絡建立模型進行鑒別。首先利用主成分分析提取光譜的特征信息,前8個主成分的累計貢獻率達到94.367%,包含了原始光譜的主要信息,將這8個主成分作為BP神經網絡的輸入,7種塑料的種類作為輸出,建立三層BP神經網絡模型。每種塑料各30個樣本共210個用來訓練神經網絡模型,各10個共70個用來預測,預測結果準確率達98.571%,能夠有效鑒別常用塑料。
[Abstract]:In order to realize the classification and recovery of plastics, it is necessary to identify the plastics quickly and accurately. Acrylonitrile-butadiene-styrene (ABS),) polypropylene (PP),) polyethylene (PE), polyethylene terephthalate (PET), polystyrene (PS), polyvinyl chloride (PVC),) were collected. Seven kinds of plastics, such as polycarbonate (PC), were measured by near infrared spectroscopy (NIR). Principal component analysis (PCA) and backpropagation (BP) neural network were used to establish models for identification. Firstly, the characteristic information of the spectrum is extracted by principal component analysis. The cumulative contribution rate of the first eight principal components is 94.367, which contains the main information of the original spectrum. The eight principal components are used as the input of the BP neural network. Seven kinds of plastics were used as the output, and a three-layer BP neural network model was established. A total of 210 samples of each plastic were used to train the neural network model and 70 were used to predict each kind of plastics. The accuracy of prediction was 98.571. it can effectively identify common plastics.
【作者單位】： 中國計量大學光學與電子科技學院;杭州彩譜科技有限公司;
【分類號】：TQ320.77;TP183

【相似文獻】

相關期刊論文 前10條

1 DelValls T A ,丁海燕;確定海洋沉積物中污染物來源的方法——多變量主成分分析方法[J];海洋地質動態(tài);2003年11期

2 王建民;王傳旭;楊力;余忠林;王運祥;;基于主成分分析模型的煤礦企業(yè)員工滿意度實證研究[J];安徽理工大學學報(社會科學版);2007年02期

3 劉星;王震;馬新東;林忠勝;徐恒振;姚子偉;;常見亞非原油飽和鏈烷烴分布特征及主成分分析[J];環(huán)境污染與防治;2009年08期

4 王卓;;黑龍江省醫(yī)藥產業(yè)競爭力實證分析[J];齊齊哈爾大學學報(哲學社會科學版);2013年01期

5 周海廷;;四川綠豆地方品種資源研究 Ⅲ地方品種群體數量性狀的通經分析和主成分分析[J];西南科技大學學報(哲學社會科學版);1988年04期

6 董玉庫,趙春瑞;木材物理力學性質的綜合分析(Ⅰ)——主成分分析[J];東北林業(yè)大學學報;1988年06期

7 韓波,林華榮;主成分分析在水質監(jiān)測優(yōu)化布點中的應用[J];中國環(huán)境監(jiān)測;1991年01期

8 高偉平;;主成分分析在化學中的應用及在可編程序計算器上的實現[J];化學工程師;1991年06期

9 任玉林，邴春亭，逯家輝，，郭曄;近紅外漫反射光譜的主成分分析[J];光譜學與光譜分析;1996年06期

10 王麗,何鷹,王顏萍,趙英,李偉,王小如,Frank Lee;近紅外光譜技術結合主成分聚類分析判別海面溢油種類[J];海洋環(huán)境科學;2004年02期

相關會議論文 前10條

1 么彩蓮;魏寧;;關于主成分分析的改進方法探討[A];中國現場統(tǒng)計研究會第12屆學術年會論文集[C];2005年

2 陳明星;繆柏其;靳韜;;利率影響因素的主成分分析與因子分析[A];中國現場統(tǒng)計研究會第12屆學術年會論文集[C];2005年

3 孫曉東;胡勁松;焦s

本文編號：2426169