Технология цветного спектра успешно опубликовала важную статью в основных журналах: « Дискреционные классификационные исследования на основе пластмассового ближнего инфракрасного спектра»

В последнее время новейшая исследовательская статья по технологиицветного спектра « Дискреционное классификационное исследованиена основе пластмасс ближнего инфракрасного спектра», успешноопубликованная в журнале « Техн это не толькоосновной китайский журнал по всей стране, он был оцененкак основной академический журнал RCCSE в Китае (A), но и каталог высококачественных научнотехнических журналов оружейной промышленности на уровне T3. Этот результат не только демонстрирует глубокую силу технологиицветного спектра в области спектрального анализа, но и отражаетинновационный прорыв технологии цветного спектра в технологии идентификации и классификациипластмассовых материалов.

Цель документаизучить рециркуляциюпластмасс, которые могут быть использованы для упаковкиразличных предметов, и точно определить и классифицироватьразличные виды пластмасс. В ходе исследования были собраныв первую очерPPOSANPOMF2PPO(white) Данные ближнего инфракрасногоспектра по 16 видам пластмасс. Длярешения проблемы шума при сборе спектральных данных используется сглаженная фильтрация SG для предварительной обработки, а затемиспользуется алгоритм анализа основных компонентов для снижения измерения спектральныхданных для уменьшения объема обрабатываемых данных. Наконец, четыре модели классификации были успешно разработаны с исп means для неконтролируемого кластера, оценки максимального правдоподобия для контролируемого кластера, дискриминанта Фишера и алгоритма спектрального угла.

GF20N, PLA и PPO (натуральные цвета) от других частиц пластика с точностью100%, 100% и 80% соответственно;Точност F20 с помощью дискриминанта Фишера и оценки максимальногоправдоподобия составляет 93%, а точность распознавания другихчастиц пластмассы - F20 -47%, а точность распознавания остальных частиц превышает 90%.

Этот вывод показывает, что классификационныемодели, созданные вышеупомянутыми алгоритмами машинногообучения в сочетании с технологией ближней инфракрасной спектральной визуализации, могут служить важной ссылкой для идентификации распространенныхпластмасс.

Полный текст PDF скачать: http://www.designartj.com/bzgcgk/ch/reader/view_abstract.aspx?file_no=20240922&flag=1