支持向量机算法在激光诱导击穿光谱技术塑料识别中的应用.pdf

物理学报 Acta Phys. Sin. Vol. 62, No. 21 (2013) 215201 支持向量机算法在激光诱导击穿光谱技术塑料 识别中的应用研究* 1 1 1 1 1 1 于洋 郝中骐 李常茂 郭连波 李阔湖 曾庆栋 1† 2 1 李祥友 任昭 曾晓雁 1) ( 华中科技大学, 武汉光电国家实验室(筹) 激光与太赫兹功能实验室, 武汉 430074 ) 2) ( 武汉新瑞达激光工程有限责任公司, 武汉 430074 ) ( 2013 年6 月24 日收到; 2013 年7 月25 日收到修改稿) 基于支持向量机(support vector machines, SVM) 算法采用激光诱导击穿光谱技术对 11 种塑料进行了识别. 每 种塑料各采集100 个光谱, 其中50 个光谱作为训练集, 用于建立支持向量机模型, 剩下的50 个光谱作为测试集, 用 于测试所建立支持向量机模型的识别精度. 结果表明测试集550 个光谱中有543 个光谱识别正确, 算术平均识别精 度达到了98.73%. 其中有6 个聚氨酯(PU) 光谱被误判为有机玻璃(PMMA), 原因主要是受空气中氮气的影响, 使得 有机玻璃和聚氨酯两种塑料在氮元素含量上的差异不能通过N I 746.87 nm, C-N(0,0) 388.3 nm 两条谱线的强度准 确表征. 本结果为LIBS 技术塑料分类提供了方法和数据参考. 关键词: 支持向量机, 激光诱导击穿光谱, 塑料识别 PACS: 52.38.Mf, 61.80.Ba, 61.41.+e, 61.82.Pv DOI: 10.7498/aps.62.215201 法, 激光诱导击穿光谱(LIBS) 技术6−16 具有识别 1 引言 速度快、样品不需要预处理、对样品损伤小、不 受限于塑料的颜色等优点. 但是目前LIBS 技术本 随着塑料制品消费量不断增大, 废弃塑料也不 身的稳定性不高, 利用该技术进行塑料识别, 其精 断增多, 为回收资源和保护环境, 塑料分类成为亟 度还不能满足工业应用的需求. 这使得采用辅助 需解决的问题. 目前, 主要塑料分类方法有人工分 方法提高LIBS 技术塑料识别精度成为当前研究的 1 24 17 类 、X 射线荧光光谱法(XRF) 和近红外光谱 热点. 例如, 王茜蒨等 将主成分分析法(princi- 法(NIR)2−4 等. 其中, 人工分类法成本较高、识 ple component analysis, PCA) 与反向传播人工神经 别速度慢并且容易出现错误; X 射线荧光光谱法 网络(back-propagation artificial neural network) 两种 能有效探测到氯元素, 因此被特别用于识别聚氯乙 算法相结合, 对7 种塑料的平均识别精度为97.5%. 4 18 烯(PVC) 塑料 ; 近红外光谱法是通过探测红外 Sattmann 等 将LIBS 技术与前馈神经网络(feed