LIBS结合GA-BP神经网络与GA-SVM对塑料分类研究

摘要：

塑料制品回收力度小、重复利用率低,造成环境污染和资源浪费,因此对废旧塑料精确分类是提高塑料回收的关键.本文采用激光诱导击穿光谱(LIBS)技术结合遗传算法优化误差反向传播神经网络(GA-BP)和支持向量机(GA-SVM)对常见的10种塑料进行分类识别.利用LIBS技术对塑料样品进行处理,分别采集每种塑料样品100组光谱.对采集到的原始光谱做滤波和归一化处理,提取光谱中14条主要的特征谱线,分别建立GA-B P神经网络和GA-SVM模型.实验结果表明,GA-BP神经网络对塑料的识别性能优于GA-SVM,其中GA-BP神经网络识别精度为99.25％,原因是GA-SVM利用升维算法实现对数据集的分类,在塑料样品种类多的情况,分类效果不及GA-BP神经网络.因此,利用LIBS技术结合不同的识别算法,可以实现对多种塑料样品的分类,也为研究不同算法对塑料样品分类识别提供研究思路.

关键词：激光诱导;BP神经网络;支持向量机;分类识别

所属期刊栏目：52

分类号：O433.5+4(光学)

资助基金：甘肃省自然科学基金No.20JR5RA200

在线出版日期：2022-03-23（万方平台首次上网日期，不代表论文的发表时间）

页数：共7页

页码：273-279