短波红外高光谱对废料自动分类识别
1.引言
过去几十年，科学技术的巨大进步与经济社会的快速发展，使得各种工业制品的需求与产量均有了巨大的增长。我国的塑料产业经过几十年的高速发展，产业规模逐年扩大，产能产量不断增加，目前己经成为与水泥、木材和钢材同等重要的基础性产业。
塑料因其具有质轻、不易腐蚀、化学性能稳定、价格低廉等优点，被广泛用于电子电气、汽车、建筑以及农业等各个领域，从衣食住行到工业应用随处可见，极大的方便了人们的生产生活。但是随着塑料制品的产量和消耗量不断递增，每年都会产生大量的塑料固体垃圾。目前，国内废旧塑料的处理方法主要为焚烧和填埋，对我们类以生存的生态环境造成了严重的污染;同时塑料的回收再利用率偏低，造成了极大的资源浪费。
因此，制定合适的废旧塑料资源回收利用策略是实现经济社会健康可持续发展的迫切需求，而建立一种快速、可靠的塑料识别分类模型对废混合塑料的回收再利用具有重要意义。近红外高光谱图像技术( near-infrared hyperspectral imaging，nir-his) 是一种图像技术与光谱技术相结合的三维信息获取技术，包括二维的位置信息和一维的光谱信息，广泛应用于多种物质的快速无损检测。
近年来，nir-his应用于塑料识别领域的研究越来越多。silvia serrant 等用 nir-his 获取聚烯烃样本的光谱数据，用主成分分析法降低维度，选择特征波长，利用偏小二乘判别分析法对聚乙烯和聚丙烯进行分类，结果显示，该流程可用于从生活垃圾中回收聚乙烯和聚丙烯制品过程中的质量和过程控制；tachwali等提出、开发和测试了一套自动塑料瓶分类系统，该系统根据塑料瓶的化学组成和颜色对其进行分类。使用近红外光谱反射率来识别瓶子的化学成分，ccd相机结合偏小二乘判别分析与树分类器来检测瓶子的颜色。结果表明，近红外光谱反射率的平均值和倾角波长可以作为特征对不同化学组成的塑料瓶进行分类，分类的准确率达到了94.14。
由此可见，国内外关于近红外光谱识别塑料的研究虽然取得了很大的成果，将近红外光谱技术与多元数据统计分析方法结合起来可以实现对常见塑料的识别分类，但主要还停留在实验室阶段。因此建立快速、可靠、能用于工业化推广的废旧混合塑料识别分类模型对废旧混合塑料的回收再利用具有重要意义。
2. 研究材料与方法
2.1 样本的种类与来源
本文所使用的塑料样本主要来源于生活中常见的塑料制品、废旧家电以及电子产品拆解后得到的各种塑料。在进行光谱采集之前将塑料样本表面的污垢擦除，然后对其表面进行清洗。
2.2 实验仪器及其参数
仪器使用四川双利合谱科技有限公司的gaiasorter-n25e，波长范围为1000-2500 nm，光谱分辨率为12 nm，图像分辨率为384*288 pixel，光谱仪帧数为400 fps。采集数据时，光源使用2个200 w的卤钨灯，镜头距样品的高度为60cm,曝光时间为20ms，测试平台移动速度为2cm/s。图1 为样本测试示意图。
图1 红外高光谱测试系统示意图
2.3 图像预处理
对采集的高光谱图像进行黑白帧校正可消除光源、系统背景等对样本光谱造成的影响。对黑白帧校正后的反射率数据进行savitzky-golay滤波可去除光谱噪声；对sg滤波后的光谱数据进行标准正态变量（snv）可消除乘性效应。
2.4 垃圾的分类判别
运用支持向量机（svm）对经过预处理的图像进行垃圾分类判别。
3. 结果与分析
3.1 样本的rgb图
实验中使用的材料是金属部件，玻璃瓶子，纸板和纸张样品，以及塑料样品几种类型，即pet、hdpe、pvc、ldpe、pp和ps。每一种材料其颜色和形状均不一致，目的是检测模型的稳定性。
图2 垃圾分类的几组样本数据
3.2 实验仪器及其参数
以pet和ldpe两种塑料为例，图3为这两种材料预处理前和预处理后的光谱曲线，从图中可知，经过预处理后，两种材料的区分度更加显著。
图3 pet and ldpe的光谱 (a) 预处理前, (b) 预处理后
3.3 分类结果
图4为利用支持向量机对经预处理后的图像进行的分类结果。图a和图b的分类精度分别是 93.01% and 96.65%。图c和图d的分类精度是93.52%和96.90%。玻璃瓶的分类效果不理想是因为其的透明特性及镜面反射的缘故。
图4 垃圾分类结果示意图
4. 结果与讨论
利用swir-n225e高光谱成像系统扫描不同的垃圾废料，如塑料，纸张，玻璃和金属，提出自动分类的步骤。 不同类型的塑料类型，即pet、hdpe、pvc、ldpe、pp、ps，不同类型的纸，即纸和纸板，以及金属和玻璃等能实现很好的区分。本文的研究成果可为建立快速、可靠、能用于工业化推广的废旧混合塑料识别分类对废旧混合塑料的回收提供技术支撑。
莱森光学（深圳）有限公司是一家提供光机电一体化集成解决方案的高科技公司，我们专注于光谱传感和光电应用系统的研发、生产和销售。
ymf
为什么MCU晶体两边要各接一个对地电容
IBM如何与企业共创可持续未来
浅谈UWB定位技术的优劣势
开关电源实际布线过程中要考虑各种“地”的特点及接地方式
Imagination光线追踪技术授权正式为市场提供
短波红外高光谱对废料自动分类识别
诺基亚8110复刻版高清图赏
Windows 8消费者预览版光盘崭新亮相
SMT过程中遇到立碑、虚焊、锡珠等问题怎么办？
基于单串降压结构的电源设计原理图
iPhone11电池容量曝光 这样的外形你能接受吗？
苹果将要为iPhone使用自家的5G调制解调器？
如何优化EMC滤波器详细方法说明
中小型嵌入式软件的高效管理
继存储和CIS之后，射频器件也开始涨价了
MIT开发机器学习模型 助力计算机释放情绪
怎样制作不用电池的遥控器
燧原科技发布了首款面向云端的高性能推理卡
Prost的最佳实践经验
ST | 汽车线性稳压器L99VR02J：车载电源设计的理想之选
过去几十年，科学技术的巨大进步与经济社会的快速发展，使得各种工业制品的需求与产量均有了巨大的增长。我国的塑料产业经过几十年的高速发展，产业规模逐年扩大，产能产量不断增加，目前己经成为与水泥、木材和钢材同等重要的基础性产业。
塑料因其具有质轻、不易腐蚀、化学性能稳定、价格低廉等优点，被广泛用于电子电气、汽车、建筑以及农业等各个领域，从衣食住行到工业应用随处可见，极大的方便了人们的生产生活。但是随着塑料制品的产量和消耗量不断递增，每年都会产生大量的塑料固体垃圾。目前，国内废旧塑料的处理方法主要为焚烧和填埋，对我们类以生存的生态环境造成了严重的污染;同时塑料的回收再利用率偏低，造成了极大的资源浪费。
因此，制定合适的废旧塑料资源回收利用策略是实现经济社会健康可持续发展的迫切需求，而建立一种快速、可靠的塑料识别分类模型对废混合塑料的回收再利用具有重要意义。近红外高光谱图像技术( near-infrared hyperspectral imaging，nir-his) 是一种图像技术与光谱技术相结合的三维信息获取技术，包括二维的位置信息和一维的光谱信息，广泛应用于多种物质的快速无损检测。
近年来，nir-his应用于塑料识别领域的研究越来越多。silvia serrant 等用 nir-his 获取聚烯烃样本的光谱数据，用主成分分析法降低维度，选择特征波长，利用偏小二乘判别分析法对聚乙烯和聚丙烯进行分类，结果显示，该流程可用于从生活垃圾中回收聚乙烯和聚丙烯制品过程中的质量和过程控制；tachwali等提出、开发和测试了一套自动塑料瓶分类系统，该系统根据塑料瓶的化学组成和颜色对其进行分类。使用近红外光谱反射率来识别瓶子的化学成分，ccd相机结合偏小二乘判别分析与树分类器来检测瓶子的颜色。结果表明，近红外光谱反射率的平均值和倾角波长可以作为特征对不同化学组成的塑料瓶进行分类，分类的准确率达到了94.14。
由此可见，国内外关于近红外光谱识别塑料的研究虽然取得了很大的成果，将近红外光谱技术与多元数据统计分析方法结合起来可以实现对常见塑料的识别分类，但主要还停留在实验室阶段。因此建立快速、可靠、能用于工业化推广的废旧混合塑料识别分类模型对废旧混合塑料的回收再利用具有重要意义。
2. 研究材料与方法
2.1 样本的种类与来源
本文所使用的塑料样本主要来源于生活中常见的塑料制品、废旧家电以及电子产品拆解后得到的各种塑料。在进行光谱采集之前将塑料样本表面的污垢擦除，然后对其表面进行清洗。
2.2 实验仪器及其参数
仪器使用四川双利合谱科技有限公司的gaiasorter-n25e，波长范围为1000-2500 nm，光谱分辨率为12 nm，图像分辨率为384*288 pixel，光谱仪帧数为400 fps。采集数据时，光源使用2个200 w的卤钨灯，镜头距样品的高度为60cm,曝光时间为20ms，测试平台移动速度为2cm/s。图1 为样本测试示意图。
图1 红外高光谱测试系统示意图
2.3 图像预处理
对采集的高光谱图像进行黑白帧校正可消除光源、系统背景等对样本光谱造成的影响。对黑白帧校正后的反射率数据进行savitzky-golay滤波可去除光谱噪声；对sg滤波后的光谱数据进行标准正态变量（snv）可消除乘性效应。
2.4 垃圾的分类判别
运用支持向量机（svm）对经过预处理的图像进行垃圾分类判别。
3. 结果与分析
3.1 样本的rgb图
实验中使用的材料是金属部件，玻璃瓶子，纸板和纸张样品，以及塑料样品几种类型，即pet、hdpe、pvc、ldpe、pp和ps。每一种材料其颜色和形状均不一致，目的是检测模型的稳定性。
图2 垃圾分类的几组样本数据
3.2 实验仪器及其参数
以pet和ldpe两种塑料为例，图3为这两种材料预处理前和预处理后的光谱曲线，从图中可知，经过预处理后，两种材料的区分度更加显著。
图3 pet and ldpe的光谱 (a) 预处理前, (b) 预处理后
3.3 分类结果
图4为利用支持向量机对经预处理后的图像进行的分类结果。图a和图b的分类精度分别是 93.01% and 96.65%。图c和图d的分类精度是93.52%和96.90%。玻璃瓶的分类效果不理想是因为其的透明特性及镜面反射的缘故。
图4 垃圾分类结果示意图
4. 结果与讨论
利用swir-n225e高光谱成像系统扫描不同的垃圾废料，如塑料，纸张，玻璃和金属，提出自动分类的步骤。 不同类型的塑料类型，即pet、hdpe、pvc、ldpe、pp、ps，不同类型的纸，即纸和纸板，以及金属和玻璃等能实现很好的区分。本文的研究成果可为建立快速、可靠、能用于工业化推广的废旧混合塑料识别分类对废旧混合塑料的回收提供技术支撑。
莱森光学（深圳）有限公司是一家提供光机电一体化集成解决方案的高科技公司，我们专注于光谱传感和光电应用系统的研发、生产和销售。
ymf
为什么MCU晶体两边要各接一个对地电容
IBM如何与企业共创可持续未来
浅谈UWB定位技术的优劣势
开关电源实际布线过程中要考虑各种“地”的特点及接地方式
Imagination光线追踪技术授权正式为市场提供
短波红外高光谱对废料自动分类识别
诺基亚8110复刻版高清图赏
Windows 8消费者预览版光盘崭新亮相
SMT过程中遇到立碑、虚焊、锡珠等问题怎么办？
基于单串降压结构的电源设计原理图
iPhone11电池容量曝光 这样的外形你能接受吗？
苹果将要为iPhone使用自家的5G调制解调器？
如何优化EMC滤波器详细方法说明
中小型嵌入式软件的高效管理
继存储和CIS之后，射频器件也开始涨价了
MIT开发机器学习模型 助力计算机释放情绪
怎样制作不用电池的遥控器
燧原科技发布了首款面向云端的高性能推理卡
Prost的最佳实践经验
ST | 汽车线性稳压器L99VR02J：车载电源设计的理想之选