基于激光诱导击穿光谱技术的可回收垃圾自动识别分类传感器

摘要:

资源的可持续发展和再利用是实现绿色、低碳、循环经济体系及生态可持续的重要环节，垃圾分类是其中必不可少的一部分。可回收垃圾作为绿色低碳循环经济体系的重要组成部分，其识别分类是实现资源循环利用和节能的前提。目前基于物理特性的方法准确率低，检测样品种类有限；基于图像的方法易受环境影响，检测结果不稳定；现有的光谱方法需要对检测的样品进行预处理，不能实现快速、在线检测；且现有的方法不能满足精细识别分类的需求。 本作品利用激光诱导击穿光谱(LIBS)技术实现可回收垃圾识别分类，在消费者层面能准确可靠地识别分类可回收垃圾，将其分为纸张、塑料、玻璃、金属、纺织品和木制品六类。在回收加工工厂层面，对具有特定再利用用途的某类可回收垃圾实现精细识别分类，针对金属和塑料的循环再利用需求，将金属细分为铁、不锈钢、铜和铝，将塑料细分为聚氯乙烯、聚甲醛、丙烯腈-丁二烯-苯乙烯、聚酰胺、聚乙烯和聚四氟乙烯。本作品搭建了LIBS光谱采集系统，利用主成分分析(PCA)和线性判别分析(LDA)分别对垃圾样本LIBS光谱进行光谱特征提取，消除噪声和冗余信息，分析其聚类效果，选择合适的聚类维度。结合随机森林(RF)和反向传播神经网络(BPNN)，建立并比较了四个分类模型:PCA + RF、PCA + BPNN、LDA + RF和LDA + BPNN。利用QT实现人机交互与通信，基于QT设计的界面可以实现检测样品光谱采集、光谱特征提取、分类结果展示，按照需求分别实现消费者层次的垃圾识别分类和回收加工工厂层面的精细识别分类。

Abstract: