基于近红外光谱的塑料分选技术预处理方法的优化

为进行不同塑料种类的识别,采集了尼龙（PA）、聚丙烯（PP）、聚苯乙烯（PS）、聚氯乙烯（PVC）4类塑料的近红外光谱数据,并针对光谱数据采集时存在的噪声、基线和光程问题,基于3点Savitzky-Golay卷积平滑（S-G）、一阶导数（FD）、二阶导数（SD）、标准正态变量变换（SNV）、多元散射校正（MSC）进行了预处理组合优化研究,以竞争性自适应重加权算法（CARS）进行特征波长提取,并运用支持向量机算法（SVM）建立模型。结果显示：所有预处理方法中,预处理组合S-G+FD+SNV获得的结果最优,S-G+FD+SNV+SVM模型的平均准确率高达96.67%,其训练集和验证集的平均准确率均为100%。上述预处理组合优化方法可为4类常见塑料的鉴别研究提供参考。