近日，彩谱科技最新研究论文《基于塑料近红外光谱的判别分类研究》，成功刊登《包装工程》期刊。《包装工程》不仅是全国中文核心期刊，被评为RCCSE中国核心学术期刊（A）同时也是兵器工业高质量科技期刊分级目录T3级。这一成果不仅彰显了彩谱科技在光谱分析领域的深厚实力，更体现了彩谱科技在塑料材料判别分类技术方面的创新突破。

该论文旨在探索回收可用于不同物品包装的塑料，并对不同塑料种类进行准确识别分类。研究过程中，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 种塑料的近红外光谱数据。针对光谱数据采集时存在的噪声问题，采用了 SG 平滑滤波进行预处理，接着利用主成分分析算法实现光谱数据降维以减少待处理数据量。最后分别运用无监督聚类 K-means 算法、监督聚类极大似然估计、Fisher 判别式以及光谱角算法成功建立了 4 类分类模型。

研究结果显示，K-means 算法能够将 PPO-GF20N、PLA 和 PPO(本色)与其他塑料粒子有效区分开，准确率分别达 100%、100%以及 80%；Fisher 判别式和极大似然估计法对 POM-M90 和 POM-F20 的识别准确率为 93%，其他塑料粒子的识别准确率均达 100%；光谱角算法对 PET 的识别准确率为 80%，POM-F20 的识别准确率为 47%，其余粒子的识别准确率均大于 90%。

此研究结论表明，上述机器学习算法与近红外光谱成像技术相结合所建立的分类模型，可为常见塑料的鉴别研究提供重要参考。

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