论文部分内容阅读
随着人类生活水平的提高和工业的发展,废弃塑料的处理引起了越来越强烈的关注,也成为关系环境保护问题的重要部分。当前国际国内提倡的废弃塑料处理方法为将其进行回收再利用,即节约了资源,又保护了环境。由于不同塑料制品的成分及可塑性不同,进行回收利用的价值不同,因此对废弃塑料进行分类后,分别进行再利用显得尤为重要。 本文围绕对废弃塑料制品进行分类方法研究这一课题,深入研究了基于塑料制品中红外光谱特点的塑料分类算法。本文的主要研究工作如下: (1)采用中红外光谱分析方法作为废弃塑料分类的基础,充分利用了其在中红外光谱范围内特征吸收峰主要由高分子官能团基频产生,因而受倍频、混合频产生的吸收峰的干扰较小的特点。 (2)实现了最小二乘支持向量机法(LS SVM)对塑料进行分类。该方法基于不同种类塑料中红外光谱数据在不同的官能团处产生不同的特征吸收峰,将已知塑料样本的特征吸收峰位置作为输入,通过LS SVM的训练步骤进行分类训练,得到分类器,然后将待测样本数据输入训练得到的分类器中得到分类结果。在训练分类过程中,采用最少输出编码法、一对一编码法、一对多编码法三种编码方法分别对类别号进行编码解码将多类分类问题转化为两类分类。并对三种编码方法的分类正确率进行了分析与比较。 (3)实现了全局相关法对废弃塑料进行分类。该方法建立在已知各种塑料的中红外光谱图的标准谱图基础上,本文建立了包含常见5种塑料,23个标准谱图数据的数据库,将待测样本光谱数据与标准谱图数据进行比对,具体采用欧氏距离法得到比对的相关系数,将最大相关系数所对应的类做为分类结果。并对此方法的分类正确率进行了分析。 (4)实现了主成分系统比较法对塑料进行分类。该方法依据不同塑料种类中红外光谱数据具有不同的特征吸收峰,将侍分类塑料的已知特征吸收峰分25段建成数据库(与(3)同)中的谱峰数据表。将测试样本数据处理后与谱峰数据表的每行进行“位同或”运算,得到分类结果。 三种方法都能较好的对收集的废弃塑料进行分类。从泛化能力方面考虑,LS_SVM法是最优的,全局相关法与主成分系统比较法的泛化能力较弱;从分类正确率方面考虑,全局相关法分类准确率较高,主成分系统比较法对部分样本分类正确率较高;综上,采用3种方法投票的方式决定最终分类结果,分类效率较高。