文档介绍：第32卷,第12期光谱学与光谱分析 ,,pp31793182
2012年12月 SpectroscopyandSpectralAnalysis December,2012
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?,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(LIBS)塑料分类识别方面的应用。选用七种常见的塑料
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130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)人工神经网络模型。将
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,%。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: 文献标识码:A 犇犗犐:.10000593(2012)12317904
用[7,8],分类准确度很高。但由于神经网络模型复杂,而
引言 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
现代生活生产中,塑料的使用不断增加,废旧塑料的回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
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网络模型的输入层建立 BP网络模型,通过不断调整各层的
用人工分类方法,需要花费大量的劳动力成本。激光诱导击权重,使模型预测误差最小。并利用未知样品数据对模型进
穿光谱(LIBS)技术是一种利用高能激光脉冲激发材料产生行验证,%。
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 1 实验部分
行在线检测等优点,在诸如爆炸物探测[15]等物质探测识别
方面具有很好的应用前景。 11 装置
目前,在利用LIBS进行塑料分类时,多采用主成分分由于利用紫外激光诱导样品产生等离子体所需要的阈值
析(PCA)法进行光谱数据的分析处理[6]。PCA是一种描述几能量密度比红外激光低[9],因此实验中选用紫外激光器作为
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激发光源。紫外激光源采用 Q调制的 Nd∶YAG四倍频激光
析。当被分析的物质之间组成成分存在明显差异时,可以得器(New WaveTempest20),波长为266nm,脉宽为4ns,
到很好的聚类效果。由于不同塑料的基本组成类似,因此, 重复频率为20Hz,。通
主成分分析用于塑料分类时准确度低,且无法做到精确判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
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密度来激发塑料样品。
类识别,可以明显