基于近红外光谱结合主成分分析和BP神经网络的常用塑料快速鉴别

• 作者: 吴逸萍 李文环 许小康 金尚忠 陈玲玲
• 来源期刊: 塑料工业
• 学科: 物理学
• 关键词: 近红外光谱 塑料 主成分分析 反向传播神经网络 鉴别
• 年，卷（期）: 2016,（12）
• 所属期刊栏目: 新技术与产品开发
• 页码范围: 124-127,137
• 页数: 5页
• 分类号: O433.4
• 字数: 3159字
• 语种: 中文
• DOI: 10.3969/j.issn.1005-5770.2016.12.029

摘要

为了实现塑料的分类回收,需要对塑料进行快速准确的鉴别.收集了丙烯腈-丁二烯-苯乙烯(ABS)、聚丙烯(PP)、聚乙烯(PE)、聚对苯二甲酸乙二醇酯(PET)、聚苯乙烯(PS)、聚氯乙烯(PVC)、聚碳酸酯(PC)等7种常用的塑料,利用近红外光谱仪分别测得其反射光谱,应用主成分分析和反向传播(BP)神经网络建立模型进行鉴别.首先利用主成分分析提取光谱的特征信息,前8个主成分的累计贡献率达到94.367％,包含了原始光谱的主要信息,将这8个主成分作为BP神经网络的输入,7种塑料的种类作为输出,建立三层BP神经网络模型.每种塑料各30个样本共210个用来训练神经网络模型,各10个共70个用来预测,预测结果准确率达98.571％,能够有效鉴别常用塑料.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	金尚忠	中国计量大学光学与电子科技学院	104	1056	17.0	29.0
2	李文环	中国计量大学光学与电子科技学院	2	12	2.0	2.0
3	陈玲玲	中国计量大学光学与电子科技学院	6	21	4.0	4.0
4	许小康	中国计量大学光学与电子科技学院	1	8	1.0	1.0
5	吴逸萍		2	8	1.0	2.0