文献类型：期刊文章

作　　者：张文杰[1] 焦安然[1] 田静[2] 王晓娟[3] 王斌[1] 徐晓轩[1]

ZHANG Wen-jie;JIAO An-ran;TIAN Jing;WANG Xiao-juan;WANG Bin;XU Xiao-xuan(The Key Laboratory of Weak-Light Nonlinear Photonics,Ministry of Education,School of Physics,Nankai University,Tianjin 300071,China;School of Food and Biological Engineering,Jiangsu University,Zhenjiang 212013,China;Ningbo Customs Technology Center,Ningbo 315048,China)

机构地区：[1]南开大学物理科学学院弱光非线性光子学教育部重点实验室,天津300071 [2]江苏大学食品与生物工程学院,江苏镇江212013 [3]宁波海关技术中心,浙江宁波315048

出　　处：《分析测试学报》

基　　金：天津市科技支撑计划重点项目(15ZCZDGX00780);国家重点研发计划(2016YFC0400709);江苏省高层次创新创业人才引进计划“2019双创博士”&“2020双创人才”。

年　　份：2021

卷　　号：40

期　　号：7

起止页码：1062-1067

语　　种：中文

收录情况：AJ、BDHX、BDHX2020、CAS、CSCD、CSCD2021_2022、JST、RCCSE、ZGKJHX、核心刊

摘　　要：机器学习算法的应用使得塑料自动分类成为可能,而废旧塑料的分类回收对保护环境、节约资源有重要意义。该文结合近红外光谱分析技术,比较了使用一维卷积神经网络(1D CNN)和多元散射处理后支持向量机算法(MSC-SVM)建模的效果,及对PP新生料、PP再生料、PE新生料、PE再生料4种塑料分类的准确率。基于100个塑料样本近红外光谱数据的分类结果表明,验证集上1D CNN模型准确率为91.5%,MSCSVM模型准确率为90.8%。1D CNN模型用于识别PP和PE新生料时,准确率可达100%。证明1D CNN建模方法在小数据集上进行准确塑料分类是可行的。

关 键 词：近红外光谱 卷积神经网络 支持向量机 塑料分类  

分 类 号：O657.3]