卷积神经网络和支持向量机算法在塑料近红外光谱分类中的模型应用

机器学习算法的应用使得塑料自动分类成为可能,而废旧塑料的分类回收对保护环境、节约资源有重要意义.该文结合近红外光谱分析技术,比较了使用一维卷积神经网络(1D CNN)和多元散射处理后支持向量机算法(MSC－SVM)建模的效果,及对PP新生料、PP再生料、PE新生料、PE再生料4种塑料分类的准确率.基于100个塑料样本近红外光谱数据的分类结果表明,验证集上1D CNN模型准确率为91. 5%,MSC－SVM模型准确率为90. 8%.1D CNN模型用于识别PP和PE新生料时,准确率可达100%.证明1D CNN建模方法在小数据集上进行准确塑料分类是可行的.