基于短波近紅外高光譜技術(shù)的塑料分類識(shí)別應(yīng)用實(shí)踐

隨著塑料制品的廣泛應(yīng)用，廢棄塑料數(shù)量迅速增加，但不同聚合物（如PET、PP、PE等）混雜嚴(yán)重，制約了高值化回收利用。傳統(tǒng)人工或密度分選方法效率低且精度有限，而短波近紅外（SWIR）高光譜相機(jī)能夠獲取材料在900–1700 nm范圍內(nèi)的分子振動(dòng)特征，實(shí)現(xiàn)無(wú)損、快速識(shí)別，已成為智能分選的重要技術(shù)手段。研究表明，該技術(shù)結(jié)合機(jī)器學(xué)習(xí)算法可實(shí)現(xiàn)90%以上甚至接近100%的分類精度，為塑料自動(dòng)化分揀與循環(huán)經(jīng)濟(jì)提供關(guān)鍵支撐。

盡管SWIR高光譜在塑料識(shí)別中表現(xiàn)優(yōu)異，但實(shí)際應(yīng)用仍面臨多重挑戰(zhàn)。首先，高光譜數(shù)據(jù)維度高、處理復(fù)雜，對(duì)算法與計(jì)算能力要求較高，增加系統(tǒng)成本；其次，實(shí)際廢塑料常存在污染、老化及顏色差異（如黑色塑料），會(huì)顯著干擾光譜特征，導(dǎo)致識(shí)別精度下降；此外，不同塑料光譜特征相似（如HDPE與LDPE），易產(chǎn)生混淆；最后，設(shè)備成本與工業(yè)在線應(yīng)用的穩(wěn)定性仍需優(yōu)化。因此，如何實(shí)現(xiàn)低成本、高魯棒性和快速處理成為當(dāng)前研究重點(diǎn)。

在該實(shí)驗(yàn)研究中，選用奧譜天成ATH1010R-17短波近紅外高光譜相機(jī)作為核心數(shù)據(jù)采集設(shè)備。該相機(jī)采用透射光柵分光方式，光譜覆蓋范圍為900–1700 nm，具備高光譜分辨能力（典型優(yōu)于6 nm），同時(shí)支持高速推掃成像模式，能夠?qū)崿F(xiàn)對(duì)動(dòng)態(tài)傳送帶樣品的連續(xù)掃描，滿足工業(yè)在線分選需求。此外，ATH1010R-17具備良好的信噪比與穩(wěn)定性，適用于復(fù)雜環(huán)境下的塑料材質(zhì)識(shí)別與分析。

實(shí)驗(yàn)中共選取9種常見(jiàn)塑料樣本，包括PET、PE、PVC、PP、PS、PC、POM、ABS及PA等典型工程塑料。訓(xùn)練樣本統(tǒng)一制備為10 cm ×4 cm ×4 mm的標(biāo)準(zhǔn)片材，以保證建模數(shù)據(jù)的一致性；驗(yàn)證樣本則引入不同顏色（含黑色塑料）、不同表面處理（磨砂、光滑）及不規(guī)則形狀，以更貼近實(shí)際垃圾分選場(chǎng)景中的復(fù)雜工況。

在數(shù)據(jù)采集過(guò)程中，通過(guò)ATH1010R-17獲取各類塑料樣本的高光譜圖像，并進(jìn)行標(biāo)準(zhǔn)黑白校正處理，以消除暗電流噪聲及光照不均帶來(lái)的影響，提高光譜數(shù)據(jù)的準(zhǔn)確性與可比性。針對(duì)單次視場(chǎng)范圍有限的問(wèn)題，采用多幀圖像拼接方式獲取完整樣本圖像，隨后進(jìn)行ROI（感興趣區(qū)域）提取與平均光譜計(jì)算，為后續(xù)基于機(jī)器學(xué)習(xí)或深度學(xué)習(xí)的塑料分類模型構(gòu)建提供高質(zhì)量數(shù)據(jù)基礎(chǔ)。

為提升奧譜天成ATH1010R-17采集數(shù)據(jù)的質(zhì)量與可用性，研究團(tuán)隊(duì)對(duì)提取的高光譜數(shù)據(jù)進(jìn)行了系統(tǒng)化預(yù)處理。首先進(jìn)行光譜裁剪，選取信息量更豐富的1100–1650 nm波段，以降低冗余數(shù)據(jù)干擾；隨后采用中值濾波與Savitzky-Golay（SG）平滑方法，有效去除隨機(jī)噪聲并保留光譜特征形狀；在此基礎(chǔ)上引入標(biāo)準(zhǔn)正態(tài)變量變換（SNV），以削弱樣品表面粗糙度及散射效應(yīng)帶來(lái)的影響；最后通過(guò)歸一化處理，將不同樣本的反射率統(tǒng)一到同一尺度范圍。經(jīng)過(guò)多步預(yù)處理后，光譜曲線特征更加平滑清晰，不同塑料之間的差異被有效放大，為后續(xù)建模提供了可靠的數(shù)據(jù)基礎(chǔ)。

在模型構(gòu)建方面，研究團(tuán)隊(duì)采用隨機(jī)森林（Random Forest）算法進(jìn)行塑料分類識(shí)別。該方法通過(guò)構(gòu)建多棵決策樹(shù)并進(jìn)行集成學(xué)習(xí)，能夠有效處理高維光譜數(shù)據(jù)并降低過(guò)擬合風(fēng)險(xiǎn)。同時(shí)，利用袋外誤差（OOB）對(duì)模型進(jìn)行評(píng)估，并通過(guò)調(diào)節(jié)樹(shù)的數(shù)量、最大深度及特征子集數(shù)量等參數(shù)進(jìn)行優(yōu)化。實(shí)驗(yàn)結(jié)果表明，基于ATH1010R-17采集數(shù)據(jù)訓(xùn)練得到的隨機(jī)森林模型在復(fù)雜驗(yàn)證樣本中表現(xiàn)穩(wěn)定，對(duì)多種塑料類型具有良好的區(qū)分能力，整體分類準(zhǔn)確率可達(dá)97%以上，體現(xiàn)出較強(qiáng)的魯棒性與工程應(yīng)用價(jià)值。

為檢驗(yàn)?zāi)Ｐ驮趯?shí)際場(chǎng)景中的泛化能力，研究團(tuán)隊(duì)將訓(xùn)練完成的隨機(jī)森林模型應(yīng)用于多種復(fù)雜擺放狀態(tài)下的高光譜圖像，包括平鋪、堆疊及雜亂混合等情況。通過(guò)顏色編碼對(duì)分類結(jié)果進(jìn)行可視化，結(jié)果表明，采用ATH1010R-17采集的高光譜數(shù)據(jù)能夠在不同工況下實(shí)現(xiàn)清晰、穩(wěn)定的分類顯示。

在各類驗(yàn)證場(chǎng)景中，隨機(jī)森林模型均表現(xiàn)出良好的穩(wěn)定性與魯棒性，尤其在樣本邊緣區(qū)域識(shí)別及陰影干擾處理方面具有較優(yōu)表現(xiàn)。研究結(jié)果表明，ATH1010R-17獲取的高光譜數(shù)據(jù)結(jié)合合理的數(shù)據(jù)預(yù)處理與模型算法，能夠?qū)崿F(xiàn)對(duì)不同顏色、形狀及表面狀態(tài)塑料的有效識(shí)別，具備良好的工程應(yīng)用潛力。

光譜范圍：0.9~ 1.7 μm

探測(cè)器：InGaAs 探測(cè)器

波段通道數(shù)：640

空間通道數(shù)：512

光譜分辨率：5.5nm

探測(cè)器原始分辨率：640 X 512

數(shù)據(jù)格式兼容 ：ENVI

體積 ：370mm x 85mm x 95mm

重量： 小于0.8Kg