拉曼光谱结合深度学习算法的塑料分类的研究

作者：苑宁之; 陈少华^*; 牟涛涛

来源：光学仪器, 2023, 45(05): 35-43.

• 拉曼光谱
• 一维卷积神经网络
• 机器学习
• 塑料制品
• 定性分类

拉曼光谱法能识别塑料制品光谱特征峰，但操作流程繁琐且准确率有待提升，对此提出了基于一维卷积神经网络(one-dimensional convolution neural network, 1-D CNN)的塑料制品分类算法，首先建立以聚乙烯(polyethylene, PE)、聚丙烯(polypropylene, PP)、聚对苯二甲酸乙二醇酯(polyethylene terephthalate, PET)和聚苯乙烯(polystyrene, PS)为原材料的40种塑料包装样本数据集；然后设计1-D CNN、K近邻(KNN)、决策树(DT)和支持向量机(SVM)4种算法模型进行训练，并在光谱分类流程、模型准确率和鲁棒性等方面进行对比。实验结果表明，1-D CNN在不经过预处理条件下分类准确率达到98.62%，且在60 dB噪声下仍有96.42%的准确率，优于另外3种传统机器学习算法模型。该结果证实，拉曼光谱融合神经网络的多分类方法可提升塑料制品检测性能。

• 单位
  北京信息科技大学