短波紅外高光譜對廢料自動分類識別

1.引言

      guoqujishinian，kexuejishudejudajinbuyujingjishehuidekuaisufazhan，shidegezhonggongyezhipindexuqiuyuchanliangjunyoulejudadezengchang。woguodesuliaochanyejingguojishiniandegaosufazhan
，chanyeguimozhuniankuoda，channengchanliangbuduanzengjia
，muqianjijingchengweiyushuini、木材和鋼材同等重要的基礎性產業。

      塑料因其具有質輕、不易腐蝕、化學性能穩定、價格低廉等優點，被廣泛用於電子電氣、汽車、jianzhuyijinongyedenggegelingyu，congyishizhuxingdaogongyeyingyongsuichukejian，jidadefangbianlerenmendeshengchanshenghuo。danshisuizhesuliaozhipindechanlianghexiaohaoliangbuduandizeng，meiniandouhuichanshengdaliangdesuliaogutilaji。muqian，guoneifeijiusuliaodechulifangfazhuyaoweifenshaohetianmai，duiwomenleiyishengcundeshengtaihuanjingzaochengleyanzhongdewuran;同時塑料的回收再利用率偏低
，造成了極大的資源浪費。

      因此
，製定合適的廢舊塑料資源回收利用策略是實現經濟社會健康可持續發展的迫切需求，而建立一種快速、可靠的塑料識別分類模型對廢混合塑料的回收再利用具有重要意義。近紅外高光譜圖像技術( near-infrared hyperspectral imaging，NIR-HIS) 是(shi)一(yi)種(zhong)圖(tu)像(xiang)技(ji)術(shu)與(yu)光(guang)譜(pu)技(ji)術(shu)相(xiang)結(jie)合(he)的(de)三(san)維(wei)信(xin)息(xi)獲(huo)取(qu)技(ji)術(shu)，包(bao)括(kuo)二(er)維(wei)的(de)位(wei)置(zhi)信(xin)息(xi)和(he)一(yi)維(wei)的(de)光(guang)譜(pu)信(xin)息(xi)
，廣(guang)泛(fan)應(ying)用(yong)於(yu)多(duo)種(zhong)物(wu)質(zhi)的(de)快(kuai)速(su)無(wu)損(sun)檢(jian)測(ce)。

      近年來，NIR-HIS應用於塑料識別領域的研究越來越多。Silvia Serrant 等用 NIR-HIS huoqujuxitingyangbendeguangpushuju
，yongzhuchengfenfenxifajiangdiweidu
，xuanzetezhengbochang
，liyongpianzuixiaoerchengpanbiefenxifaduijuyixihejubingxijinxingfenlei，jieguoxianshi，gailiuchengkeyongyucongshenghuolajizhonghuishoujuyixihejubingxizhipinguochengzhongdezhiliangheguochengkongzhi
；Tachwali等提出、開kai發fa和he測ce試shi了le一yi套tao自zi動dong塑su料liao瓶ping分fen類lei係xi統tong
，該gai係xi統tong根gen據ju塑su料liao瓶ping的de化hua學xue組zu成cheng和he顏yan色se對dui其qi進jin行xing分fen類lei。使shi用yong近jin紅hong外wai光guang譜pu反fan射she率lv來lai識shi別bie瓶ping子zi的de化hua學xue成cheng分fen，CCDxiangjijiehepianzuixiaoerchengpanbiefenxiyushufenleiqilaijiancepingzideyanse。jieguobiaoming，jinhongwaiguangpufanshelvdepingjunzhiheqingjiaobochangkeyizuoweitezhengduibutonghuaxuezuchengdesuliaopingjinxingfenlei，fenleidezhunquelvdadaole94.14。

      由此可見
，國guo內nei外wai關guan於yu近jin紅hong外wai光guang譜pu識shi別bie塑su料liao的de研yan究jiu雖sui然ran取qu得de了le很hen大da的de成cheng果guo，將jiang近jin紅hong外wai光guang譜pu技ji術shu與yu多duo元yuan數shu據ju統tong計ji分fen析xi方fang法fa結jie合he起qi來lai可ke以yi實shi現xian對dui常chang見jian塑su料liao的de識shi別bie分fen類lei
，但dan主zhu要yao還hai停ting留liu在zai實shi驗yan室shi階jie段duan。因yin此ci建jian立li快kuai速su、可靠、能用於工業化推廣的廢舊混合塑料識別分類模型對廢舊混合塑料的回收再利用具有重要意義。

2. 研究材料與方法

2.1 樣本的種類與來源

      本文所使用的塑料樣本主要來源於生活中常見的塑料製品、廢舊家電以及電子產品拆解後得到的各種塑料。在進行光譜采集之前將塑料樣本表麵的汙垢擦除，然後對其表麵進行清洗。

2.2 實驗儀器及其參數

      儀器使用四川雙利合譜科技有限公司的GaiaSorter-N25E
，波長範圍為1000-2500 nm，光譜分辨率為12 nm，圖像分辨率為384*288 pixel
，光譜儀幀數為400 fps。采集數據時

，光源使用2個200 W的鹵鎢燈
，鏡頭距樣品的高度為60cm,曝光時間為20ms，測試平台移動速度為2cm/s。圖1 為樣本測試示意圖。

圖1  紅外高光譜測試係統示意圖

2.3 圖像預處理

      對采集的高光譜圖像進行黑白幀校正可消除光源、係統背景等對樣本光譜造成的影響。對黑白幀校正後的反射率數據進行Savitzky-Golay濾波可去除光譜噪聲；對SG濾波後的光譜數據進行標準正態變量（SNV）可消除乘性效應。

2.4 垃圾的分類判別

     運用支持向量機（SVM）對經過預處理的圖像進行垃圾分類判別。

3. 結果與分析

3.1 樣本的RGB圖

       實驗中使用的材料是金屬部件，玻璃瓶子，紙板和紙張樣品，以及塑料樣品幾種類型，即PET、HDPE
、PVC、LDPE、PP和PS。每一種材料其顏色和形狀均不一致，目的是檢測模型的穩定性。

圖2  垃圾分類的幾組樣本數據

3.2 實驗儀器及其參數

       以PET和LDPE兩種塑料為例，圖3為這兩種材料預處理前和預處理後的光譜曲線，從圖中可知，經過預處理後，兩種材料的區分度更加顯著。

圖3 PET and LDPE的光譜 (a) 預處理前,  (b) 預處理後

3.3 分類結果

      圖4為利用支持向量機對經預處理後的圖像進行的分類結果。圖a和圖b的 分類精度分別是 93.01% and 96.65%。圖c和圖d的分類精度是93.52%和96.90%。玻璃瓶的分類效果不理想是因為其的透明特性及鏡麵反射的緣故。 

圖4 垃圾分類結果示意圖

4. 結果與討論

     利用SWIR-N225E高光譜成像係統掃描不同的垃圾廢料，如塑料
，紙張
，玻璃和金屬，提出自動分類的步驟。 不同類型的塑料類型，即PET、HDPE、PVC、LDPE、PP、PS，不同類型的紙，即紙和紙板，以及金屬和玻璃等能實現很好的區分。本文的研究成果可為建立快速、可靠、能用於工業化推廣的廢舊混合塑料識別分類對廢舊混合塑料的回收提供技術支撐。