论文部分内容阅读
人类社会在不断发展,塑料制品和塑料的使用将越来越大。我国现有塑料垃圾分拣设备和技术仍基本处于混合废塑料大类分拣阶段,无法满足当前对废塑料材料单品种精细分拣的急迫需求。加上国家对进口废弃物的管制,迫使我国要实现废弃塑料的精细分类。本文为实现塑料垃圾的高质量回收利用,提出了一种基于独立源分析的塑料生活垃圾光谱图特征提取方法,该方法采用Nicolet iS10傅立叶变换红外光谱仪对五类聚合物进行光谱采集,利用独立源分析法对光谱数据进行分析处理,结合聚合物化学键特性在光谱数据中的稳定特性,对提取的独立组件获得的光谱对应分数图进行分析验证比较,实现了各类聚合物光谱特征的有效提取。研究了一种基于Fisher向量编码与深度卷积神经网络(FV-DCNN)相结合的塑料垃圾精细分类模型。该模型以塑料垃圾光谱图为原数据,经过Origin软件对光谱图进行重现和筛选,接着对光谱图进行去噪处理,最后将深度卷积神经网络与Fisher向量编码相结合建立了塑料垃圾精细分类模型。模型中采用了小波变换与双边滤波相结合的去噪算法和多模态特征FV-DCNN算法。基于小波变换的双边滤波克服了双边滤波在滤波后某些区域会产生的残留噪声,结合小波变换的时频局部化和多分辨率的特点,在保留部分细节的情况下实现噪声的消除。多模态特征FV-DCNN利用融合自动学习特征提取,采用Fisher向量对模型的对数似然性的参数进行编码,批量标准化可缓解内部协变量偏移并防止深度神经网络训练中的梯度弥散,有利于提高训练效率。针对几种典型塑料材料设计了验证实验,实验结果表明,该模型分类精度达到了 91%以上,通过与其他模型之间的对比分析,证明了本文分类模型的精准性。为我国塑料生活垃圾精细化分类提供了模型方法,使塑料垃圾精细分类成为可能。