基于主成分分析和人工神经网络的激光诱导击穿光谱塑料分类识别方法研究

基于主成分分析和人工神经网络的激光诱导击穿光谱塑料分类识别方法研究

第３第１２卷，２期　　　　　　　　　　　　光谱学与光谱分析２０１２年１２月　　　　　　　　　　　　ＳｅｃｔｒｏｓｃｏａｎｄＳｅｃｔｒａｌＡｎａｌｓｉｓ　　　　　　　ｐｐｙｐｙ　Ｖｏｌ．３２，Ｎｏ．１２，３１７９３１８２－ｐｐ

，Ｄｅｃｅｍｂｅｒ２０１２　

基于主成分分析和人工神经网络的激光诱导

击穿光谱塑料分类识别方法研究

王茜蒨，黄志文，刘　凯，李文江，阎吉祥

北京理工大学光电学院，北京　１０００８１

）摘　要　研究了人工神经网络在激光诱导击穿光谱（塑料分类识别方面的应用。选用七种常见的塑料ＬＩＢＳ作为实验样品，获得每种样品的１７０组ＬＩＢＳ光谱数据，利用主成分分析获得前五个主成分的得分矩阵。用每种塑料样品的１人工神经网络模型。将３０组光谱数据的主成分得分矩阵作为训练集，建立反向传播（ＢＰ）其余４０组主成分得分作为测试数据输入训练好的模型进行分类识别，其识别准确度达到９７．５％。实验结果表明，通过采用主成分分析与ＢＰ人工神经网络相结合的方法，可以很好地进行塑料激光诱导击穿光谱的分类识别，对塑料的回收利用有重要价值。

关键词　激光诱导击穿光谱；塑料；主成分分析；ＢＰ人工神经网络；分类识别

：／（）中图分类号：Ｏ６５７．３　　文献标识码：Ａ　　ＤＯＩ１０．３９６４．ｉｓｓｎ．１００００５９３２０１２１２３１７９０４－－－ｊ

７，８］

，分类准确度很高。但由于神经网络模型复杂，而用［

引　言

　　现代生活生产中，塑料的使用不断增加，废旧塑料的回收利用成为一个急需解决的问题。现阶段塑料回收大多数采用人工分类方法，需要花费大量的劳动力成本。激光诱导击）穿光谱（技术是一种利用高能激光脉冲激发材料产生ＬＩＢＳ等离子体，通过收集处理等离子体光谱来识别物质成分的分析方法。由于该方法具有分析速度快、无需样品制备、可进行在线检测等优点，在诸如爆炸物探测方面具有很好的应用前景。

目前，在利用ＬＩＢＳ进行塑料分类时，多采用主成分分

６］

。析（法进行光谱数据的分析处理［ＰＣＡ）ＰＣＡ是一种描述几

［］１５－

ＬＩＢＳ全光谱数据量大。若用全光谱数据进行处理，将导致程序运算量大、运算速度慢，不能实现快速分析。为此，使用能够代表大量原始光谱信息的部分主成分的得分值作为神经网络模型的输入层建立ＢＰ网络模型，通过不断调整各层的权重，使模型预测误差最小。并利用未知样品数据对模型进行验证，结果表明分类识别的准确度可达到９７．５％。

１　实验部分

１．１　装置

由于利用紫外激光诱导样品产生等离子体所需要的阈值

９］

，因此实验中选用紫外激光器作为能量密度比红外激光低［

等物质探测识别

种变量之间关系的多元分析技术，常用于不同物质的聚类分析。当被分析的物质之间组成成分存在明显差异时，可以得到很好的聚类效果。由于不同塑料的基本组成类似，因此，主成分分析用于塑料分类时准确度低，且无法做到精确判别。本工作在主成分分析的基础上利用人工神经网络进行分类识别，可以明显提高结果的准确度。

人工神经网络是一种模拟人脑功能的对数据和知识等信息进行加工处理的系统。其中，反向传播（神经网络模型ＢＰ）具有很强的学习能力，能够实现输入与输出之间的高度非线性映射。许多机构研究了人工神经网络在光谱识别中的应

，修订日期：２０１２０５１８２０１２０９１８　收稿日期：－－－－）资助６０９７８０３５　基金项目：国家自然科学基金项目（

激发光源。紫外激光源采用Ｑ调制的Ｎｄ∶ＹＡＧ四倍频激光，波长为２，器（Ｎｅｗ　ＷａｖｅＴｅｍｅｓｔ２０）６６ｎｍ，脉宽为４ｎｓ　－ｐ，单脉冲输出能量最大可达到１。通重复频率为２０Ｈｚ０．５ｍＪ过一个聚焦透镜将激光聚焦到样品上，从而产生足够的能量密度来激发塑料样品。

利用接收光学系统将等离子体辐射光汇聚进入光纤，通过光纤传输到光谱仪中进行光谱的采集获取。光谱仪采用具有高分辨率的阶梯光栅光谱仪（ＬＬＡＩｎｓｔｒｕｍｅｎｔｓＧｍｂＨ，　　），波长范围为２ＥＳＡ４０００００～８３８ｎｍ，分辨率为０．０１ｎｍ。　实验在空气环境下进行，所有样品的ＬＩＢＳ光谱收集采用

：１９７０年生，北京理工大学光电学院副教授　　ｅａｉｌｗａｎｉｔ．ｅｄｕ．ｃｎ　作者简介：王茜蒨，女，－ｍ＠ｂｑｑｇ