基于近红外光谱的塑料分选技术预处理方法的优化

摘要：

为进行不同塑料种类的识别,采集了尼龙(PA)、聚丙烯(PP)、聚苯乙烯(PS)、聚氯乙烯(PVC)4类塑料的近红外光谱数据,并针对光谱数据采集时存在的噪声、基线和光程问题,基于3点Savitzky-Golay卷积平滑(S-G)、一阶导数(FD)、二阶导数(SD)、标准正态变量变换(SNV)、多元散射校正(MSC)进行了预处理组合优化研究,以竞争性自适应重加权算法(CARS)进行特征波长提取,并运用支持向量机算法(SVM)建立模型.结果显示:所有预处理方法中,预处理组合S-G+FD+SNV获得的结果最优,S-G+FD+SNV+SVM模型的平均准确率高达96.67％,其训练集和验证集的平均准确率均为100％.上述预处理组合优化方法可为4类常见塑料的鉴别研究提供参考.

关键词：塑料分选、近红外光谱(NIR)、预处理、组合、预测分析

所属期刊栏目：42

分类号：O657.3;TH145.42(分析化学)

资助基金：国家自然科学基金51575287

在线出版日期：2023-03-20（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：351-356