10.13228/j.boyuan.issn1000-7571.011148
基于激光诱导击穿光谱技术的废旧金属分类辨识
废旧金属回收是工业中金属的重要来源之一,是发展循环经济的重要内容.废旧金属产量巨大,通常表面覆盖杂质,凹凸不平,因此对分类方法的判别能力和计算速度提出较高要求.采用激光诱导击穿光谱技术研究分析了7种废旧金属分类识别问题,包括生铝、熟铝、镁、不锈钢、锌、黄铜与红铜.为了符合现场应用条件,实验中每个样本点只激发一次建立并分析了多种分类模型,包括支持向量机(SVM)分类模型,主成分分析方法结合支持向量机(PCA-SVM)分类模型,遗传算法结合支持向量机(GA-SVM)分类模型,遗传算法选择特征光谱结合主成分分析方法和支持向量机(GA-PCA-SVM)分类模型,以及遗传算法选择特征光谱结合主成分分析方法和人工神经网络(GA-PCA-BP)分类模型.通过遗传算法选取包含丰富特征的谱段组合与支持向量机方法相结合建立GA-SVM分类模型,490组验证样本分类准确率为93.47%.为了判断该模型的鲁棒性,对一批新样品,在自研的分选系统上以传送带匀速运行的方式进行测试,获取的750组光谱测试数据,分类准确率为88.27%,证明了该分类模型具有很好的移植性和应用性.
废旧金属分类、激光诱导击穿光谱(LIBS)、分选系统、支持向量机、遗传算法
40
O433.5+4;O657.38(光学)
中国科学院前沿科学重点研究;中国科学院青年创新促进会;国家重点研发计划;辽宁省兴辽英才计划青年拔尖人才
2021-01-11(万方平台首次上网日期,不代表论文的发表时间)
共7页
72-78