10.3964/j.issn.1000-0593(2019)03-0917-06
高光谱成像的垃圾分类识别研究
高光谱成像因光谱分辨率高、图谱合一、可实现快速无损检测等特点现已广泛应用于农业、医学、遥感等领域.现有的对可回收生活垃圾检测与分类的方法, 都存在检测时间长, 分类效率低, 而大量多种垃圾无法同时快速分拣等问题.考虑到不同类别的生活垃圾由于其主要组成分子结构的差异, 对不同波长的光有不同的吸收特性.高光谱图像在记录待分类垃圾的空间信息的同时, 可以获得垃圾对不同波长的光的反射率光谱信息, 通过建立识别分类模型对反射率光谱信息进行分析可以实现对高光谱图像中待分类垃圾的识别与分类.收集常见纸质、塑料、木质三种材料的可回收的垃圾样本, 包括塑料瓶、食品包装袋、塑料玩具 (饰品) 碎片、一次性筷子、雪糕棒、木制家具碎片、木制包装盒、废旧课本、广告纸、办公用纸等多种物品共30个样本, 进行清洗和裁剪处理, 避免样本表面污渍对样本反射率产生影响.利用高光谱成像系统采集样本在近红外 (780~1 000 nm) 范围内的高光谱图像, 其中18个样本做训练样本集, 12个样本做测试样本集.对采集的样本图像数据做预处理, 包括去噪声以及黑白校正反演反射率信息等处理;通过主成分分析 (PCA) 方法对训练样本集感兴趣区域 (ROI) 进行分析, 提取到的特征波段为795.815, 836.869, 885.619, 916.409, 929.239, 934.37, 957.463, 972.858和988.253 nm;在特征波段下分别提取这三种类别垃圾的参考光谱, 通过光谱角度填图法 (SAM) 对测试样本ROI区域内提取的测试样本点集在特征波段下与参考光谱进行匹配, 由匹配程度进行样本点归类, 分析结果表明, 测试样本集中纸制样本 (A类别) 、塑料样本 (B类别) 、木制样本 (C类别) 的分类准确度分别为100%, 98%和100%, 测试样本点集整体的分类准确度为99.33%;通过Fisher判别方法分析训练样本集得出判别函数式和判别准则, 对测试样本点集分类, 评价结果为A, B和C类样本分类准确度分别为100%, 100%和97%, 测试样本点集整体分类准确度为99%.通过SAM和Fisher两种判别方法对测试样本集的光谱图像进行目标物的检测与分类, 结果表明, 利用SAM判别方法在可回收垃圾的高光谱图像中实现检测与分类有更高的分类准确度, 可达到99.33%.同时, 也验证了使用高光谱成像进行可回收垃圾快速分类的科学性以及可行性, 对未来系统化、机械化、智能化地解决生活中可回收垃圾的分类具有一定的实用意义.
高光谱成像、垃圾分类、PCA、SAM、Fisher
39
O433.4(光学)
国家自然科学基金青年基金项目61605176
2019-06-06(万方平台首次上网日期,不代表论文的发表时间)
共6页
921-926