文献类型：期刊文章

作　　者：王翔[1,2] 赵南京[1] 殷高方[1] 孟德硕[1,3] 马明俊[1,3] 俞志敏[4] 石朝毅[4] 覃志松[1,5] 刘建国[1]

WANG Xiang;ZHAO Nan-jing;YIN Gao-fang;MENG De-shuo;MA Ming-jun;YU Zhi-min;SHI Chao-yi;QIN Zhi-song;LIU Jian-guo(Key Laboratory of Optics and Technology,Anhui Institute of Optics and Fine Mechanics,Chinese Academy of Sciences,Hefei 230031,China;University of Science and Technology of China,Hefei 230026,China;Wanjiang New Industry Technology Development Center,Tongling 244000,China;Department of Biological and Environmental Engineering,Hefei University,Hefei 230601,China;Institute of Computer and Information Security,Guilin University of Electronic Technology,Guilin 541004,China)

机构地区：[1]中国科学院安徽光学精密机械研究所,中国科学院环境光学与技术重点实验室,安徽合肥230031 [2]中国科学技术大学,安徽合肥230026 [3]皖江新兴产业技术发展中心,安徽铜陵244000 [4]合肥学院生物与环境工程系,安徽合肥230601 [5]桂林电子科技大学计算机与信息安全学院,广西桂林541004

出　　处：《光谱学与光谱分析》

基　　金：国家自然科学基金项目(61705238);国家重点研发计划项目(2016YFD0800902-2);安徽省教育厅高等学校自然科学重大研究项目(KJ2017ZD46);安徽省科技重大专项(16030801117);安徽光机所所长基金(AGHH201602)资助

年　　份：2019

卷　　号：39

期　　号：10

起止页码：3136-3141

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、EI、IC、INSPEC、JST、PUBMED、RCCSE、RSC、SCIE、SCOPUS、WOS、ZGKJHX、核心刊

摘　　要：塑料具有成本低、质量好,可塑性强等优点被广泛用于生产生活等领域,但废弃塑料处置不当容易引发二次污染。回收再利用有望成为解决废弃塑料污染问题的关键手段,其前提是对废料的准确分选。传统分选手段耗费时间,效率低下,难以实现废弃塑料的快速、经济、有效分类。激光诱导荧光技术是一种快速灵敏的光谱检测技术。具有操作简便,检测效率高,样品使用量小等优点常被应用于水体、土壤中油类,多环芳烃等有机污染物的快速识别与定量分析。利用激光诱导荧光技术可以快速采集不同塑料的荧光光谱,结合相应的模式识别算法,可实现塑料材质的快速准确识别。实验采集了8种塑料(ABS,HDPE,PA66,PLA,PP,PET,PS,PVC)共358组激光诱导荧光光谱,依据特征峰信息构建358×10的光谱矩阵。利用主成份分析法削减原光谱矩阵中的线性相关量,提高数据精度。结果显示前3个主成分的累计方差贡献值达98.085%,足以表征原光谱矩阵的主要信息。将降维的主成分PC1,PC2,PC3作为输入进行光谱分类,其中同种塑料光谱聚合度高,元素构成不同的塑料如PA66,PLA,HDPE和PVC的光谱分离度较好,而元素构成相同的塑料如PET和PLA的光谱分离度较差。PCA算法并不能准确的对未知塑料进行识别。BP-神经网络具有收敛速度快,预测精度高等特点被广泛用于模式识别和分类研究。将经PCA算法得到的简化特征矩阵作为BP-神经网络算法的输入集,其中随机抽取256组数据作为BP-神经网络算法模型的训练集,剩余的102组数据作为模型检测集。BP神经网络的隐藏层设定值为1,激活函数选择双极性Sigmoid函数,输出层为8种塑料样品。识别结果显示,102组数据中只有一组HDPE光谱数据被错识为PS,其余101组数据全部正确识别。8种塑料荧光光谱的综合识别准确率达到99%。研究结果表明激光诱导荧光技术结合BP-神经网�

关 键 词：塑料 激光诱导荧光 主成分分析 神经网络 识别  

分 类 号：O433.4]