短波紅外高光譜對廢料自動分類識別
1.引言
過去幾十年，科學技術的巨大進步與經濟社會的快速發展，使得各種工業制品的需求與產量均有了巨大的增長。我國的塑料產業經過幾十年的高速發展，產業規模逐年擴大，產能產量不斷增加，目前己經成為與水泥、木材和鋼材同等重要的基礎性產業。
塑料因其具有質輕、不易腐蝕、化學性能穩定、價格低廉等優點，被廣泛用于電子電氣、汽車、建筑以及農業等各個領域，從衣食住行到工業應用隨處可見，極大的方便了人們的生產生活。但是隨著塑料制品的產量和消耗量不斷遞增，每年都會產生大量的塑料固體垃圾。目前，國內廢舊塑料的處理方法主要為焚燒和填埋，對我們類以生存的生態環境造成了嚴重的污染;同時塑料的回收再利用率偏低，造成了極大的資源浪費。
因此，制定合適的廢舊塑料資源回收利用策略是實現經濟社會健康可持續發展的迫切需求，而建立一種快速、可靠的塑料識別分類模型對廢混合塑料的回收再利用具有重要意義。近紅外高光譜圖像技術( near-infrared hyperspectral imaging，NIR-HIS) 是一種圖像技術與光譜技術相結合的三維信息獲取技術，包括二維的位置信息和一維的光譜信息，廣泛應用于多種物質的快速無損檢測。
近年來，NIR-HIS應用于塑料識別領域的研究越來越多。Silvia Serrant 等用 NIR-HIS 獲取聚烯烴樣本的光譜數據，用主成分分析法降低維度，選擇特征波長，利用偏*小二乘判別分析法對聚乙烯和聚丙烯進行分類，結果顯示，該流程可用于從生活垃圾中回收聚乙烯和聚丙烯制品過程中的質量和過程控制；Tachwali等提出、開發和測試了一套自動塑料瓶分類系統，該系統根據塑料瓶的化學組成和顏色對其進行分類。使用近紅外光譜反射率來識別瓶子的化學成分，CCD相機結合偏*小二乘判別分析與樹分類器來檢測瓶子的顏色。結果表明，近紅外光譜反射率的平均值和傾角波長可以作為特征對不同化學組成的塑料瓶進行分類，分類的準確率達到了94.14。
由此可見，國內外關于近紅外光譜識別塑料的研究雖然取得了很大的成果，將近紅外光譜技術與多元數據統計分析方法結合起來可以實現對常見塑料的識別分類，但主要還停留在實驗室階段。因此建立快速、可靠、能用于工業化推廣的廢舊混合塑料識別分類模型對廢舊混合塑料的回收再利用具有重要意義。
2. 研究材料與方法
2.1 樣本的種類與來源
本文所使用的塑料樣本主要來源于生活中常見的塑料制品、廢舊家電以及電子產品拆解后得到的各種塑料。在進行光譜采集之前將塑料樣本表面的污垢擦除，然后對其表面進行清洗。
2.2 實驗儀器及其參數
儀器使用四川雙利合譜科技有限公司的GaiaSorter-N25E，波長范圍為1000-2500 nm，光譜分辨率為12 nm，圖像分辨率為384*288 pixel，光譜儀幀數為400 fps。采集數據時，光源使用2個200 W的鹵鎢燈，鏡頭距樣品的高度為60cm,曝光時間為20ms，測試平臺移動速度為2cm/s。圖1 為樣本測試示意圖。
圖1 紅外高光譜測試系統示意圖
2.3 圖像預處理
對采集的高光譜圖像進行黑白幀校正可消除光源、系統背景等對樣本光譜造成的影響。對黑白幀校正后的反射率數據進行Savitzky-Golay濾波可去除光譜噪聲；對SG濾波后的光譜數據進行標準正態變量（SNV）可消除乘性效應。
2.4 垃圾的分類判別
運用支持向量機（SVM）對經過預處理的圖像進行垃圾分類判別。
3. 結果與分析
3.1 樣本的RGB圖
實驗中使用的材料是金屬部件，玻璃瓶子，紙板和紙張樣品，以及塑料樣品幾種類型，即PET、HDPE、PVC、LDPE、PP和PS。每一種材料其顏色和形狀均不一致，目的是檢測模型的穩定性。
圖2 垃圾分類的幾組樣本數據
3.2 實驗儀器及其參數
以PET和LDPE兩種塑料為例，圖3為這兩種材料預處理前和預處理后的光譜曲線，從圖中可知，經過預處理后，兩種材料的區分度更加顯著。
圖3 PET and LDPE的光譜 (a) 預處理前, (b) 預處理后
3.3 分類結果
圖4為利用支持向量機對經預處理后的圖像進行的分類結果。圖a和圖b的 分類精度分別是 93.01% and 96.65%。圖c和圖d的分類精度是93.52%和96.90%。玻璃瓶的分類效果不理想是因為其的透明特性及鏡面反射的緣故。
圖4 垃圾分類結果示意圖
4. 結果與討論
利用SWIR-N225E高光譜成像系統掃描不同的垃圾廢料，如塑料，紙張，玻璃和金屬，提出自動分類的步驟。 不同類型的塑料類型，即PET、HDPE、PVC、LDPE、PP、PS，不同類型的紙，即紙和紙板，以及金屬和玻璃等能實現很好的區分。本文的研究成果可為建立快速、可靠、能用于工業化推廣的廢舊混合塑料識別分類對廢舊混合塑料的回收提供技術支撐。
