近日，彩譜科技最新研究論文《基于塑料近紅外光譜的判別分類研究》，成功刊登《包裝工程》期刊。《包裝工程》不僅是全國中文核心期刊，被評為RCCSE中國核心學術期刊（A）同時也是兵器工業高質量科技期刊分級目錄T3級。這一成果不僅彰顯了彩譜科技在光譜分析領域的深厚實力，更體現了彩譜科技在塑料材料判別分類技術方面的創新突破。

該論文旨在探索回收可用于不同物品包裝的塑料，并對不同塑料種類進行準確識別分類。研究過程中，首先采集了包括 PP、PET、HDPE、TPE、PLA、PBT、TPU、POM-M90、PPO-GF20NC、TPB、PPS、ABS、PPO(natural)、SAN、POM-F20、PPO(white)等 16 種塑料的近紅外光譜數據。針對光譜數據采集時存在的噪聲問題，采用了 SG 平滑濾波進行預處理，接著利用主成分分析算法實現光譜數據降維以減少待處理數據量。最后分別運用無監督聚類 K-means 算法、監督聚類極大似然估計、Fisher 判別式以及光譜角算法成功建立了 4 類分類模型。

研究結果顯示，K-means 算法能夠將 PPO-GF20N、PLA 和 PPO(本色)與其他塑料粒子有效區分開，準確率分別達 100%、100%以及 80%；Fisher 判別式和極大似然估計法對 POM-M90 和 POM-F20 的識別準確率為 93%，其他塑料粒子的識別準確率均達 100%；光譜角算法對 PET 的識別準確率為 80%，POM-F20 的識別準確率為 47%，其余粒子的識別準確率均大于 90%。

此研究結論表明，上述機器學習算法與近紅外光譜成像技術相結合所建立的分類模型，可為常見塑料的鑒別研究提供重要參考。

論文全文PDF下載：http://www.designartj.com/bzgcgk/ch/reader/view_abstract.aspx?file_no=20240922&flag=1