塑料用高光谱相机分类分析和非监督机器学习gydF4y2Ba

塑料被广泛使用材料在今天的社会,但是只有一小部分消费者塑料回收到的新产品。塑料的特点和成本有利于他们在一次性使用和一次性产品,而不幸的是收集污染物在生态系统由于可怜的废物管理。gydF4y2Ba

图片来源:Nenad Nedomacki / Shutterstock.comgydF4y2Ba

在一个典型的循环过程,塑料垃圾是缩小,例如,切,清洗,然后使用浮选分离或机械排序。塑料原料纯度范围从75 - 95%的质量,但是工业部门要求的塑料原料纯度95%。gydF4y2Ba

亨利,m . L。gydF4y2Baet al。gydF4y2Ba分析了塑料用高光谱相机的波长范围1000 - 2500 nm,和层次模型的使用帮助识别个人塑料类型。gydF4y2Ba

塑料本研究确定详细的识别可以利用反射成像利用高光谱相机(HC)技术在955 - 1700纳米波长范围以最小的数据仅仅处理使用规范化和Savitzky-Golay过滤器。光谱数据被用来建立一个无监督的机器学习模型,可以区分类型的塑料和分类三个未知的塑料样品。gydF4y2Ba

方法gydF4y2Ba

研究分析了13个商用塑料,表1中。gydF4y2Ba

表1。gydF4y2Ba塑料识别、塑料类型、贸易名称,供应商材料包括在这项研究中。资料来源:亨利,gydF4y2Ba等gydF4y2Ba,2022gydF4y2Ba

IDgydF4y2Ba	塑料类型gydF4y2Ba	的名字gydF4y2Ba	供应商gydF4y2Ba
HDPEgydF4y2Ba	聚乙烯gydF4y2Ba	100年体育gydF4y2Ba	西蒙娜gydF4y2Ba
页gydF4y2Ba	聚丙烯gydF4y2Ba	240 - ca12gydF4y2Ba	英力士gydF4y2Ba
PSgydF4y2Ba	聚苯乙烯gydF4y2Ba	光盘封面gydF4y2Ba	- - - - - -gydF4y2Ba
聚氯乙烯gydF4y2Ba	保利(氯乙烯)gydF4y2Ba	硬聚氯乙烯gydF4y2Ba	GEHRgydF4y2Ba
PVDFgydF4y2Ba	聚(亚乙烯基二氟化物)gydF4y2Ba	PVDFgydF4y2Ba	GEHRgydF4y2Ba
POM NgydF4y2Ba	聚甲醛gydF4y2Ba	Ertacetal CgydF4y2Ba	三菱gydF4y2Ba
POM BgydF4y2Ba	聚甲醛gydF4y2Ba	Ertacetal CgydF4y2Ba	三菱gydF4y2Ba
偷看gydF4y2Ba	PolyetheretherketonegydF4y2Ba	Ketron PEEK 1000gydF4y2Ba	三菱gydF4y2Ba
腹肌gydF4y2Ba	聚丙烯腈-丁二烯-苯乙烯)gydF4y2Ba	Terluran GP35gydF4y2Ba	英力士gydF4y2Ba
甲基丙烯酸gydF4y2Ba	聚(甲基丙烯酸甲酯)gydF4y2Ba	Setacryl 1000gydF4y2Ba	MadreperlagydF4y2Ba
个人电脑gydF4y2Ba	聚碳酸酯gydF4y2Ba	聚碳酸酯2652gydF4y2Ba	CovestrogydF4y2Ba
宠物gydF4y2Ba	聚(乙烯therphalate)gydF4y2Ba	cb - 602gydF4y2Ba	UltraPurgegydF4y2Ba
PA12gydF4y2Ba	聚酰胺12gydF4y2Ba	PA 12-TRgydF4y2Ba	GEHRgydF4y2Ba
U1gydF4y2Ba	未知的gydF4y2Ba	重船(白色)gydF4y2Ba	VWRgydF4y2Ba
U2gydF4y2Ba	未知的gydF4y2Ba	树脂玻璃gydF4y2Ba	riagydF4y2Ba
U3gydF4y2Ba	未知的gydF4y2Ba	安全眼镜gydF4y2Ba	VWRgydF4y2Ba

磁盘和未知样品的傅里叶转换红外(ir)光谱是聚集在一个衰减全反射(ATR)模式iS5分光光度计上配备了一个奈米晶体。gydF4y2Ba

在测量之前,5 - 10毫克的样本被切断从样本光盘和锁在铝锅。5 - 10毫克样品加热TG 209 F1天秤座从35°C到800°C的速度10°C mingydF4y2Ba^1gydF4y2Ba在这两个实验室的空气和氮气。gydF4y2Ba

高光谱相机(HC)设置在自己的空间来减少温度变化的影响,光,和湿度。在一个典型的实验中,样品被加载到输送带和所有灯,除了卤素灯,被关闭。样品通过的扫描线的速度3.75分钟gydF4y2Ba^1gydF4y2Ba在被转移到一台笔记本电脑。gydF4y2Ba

2.6.1的光谱被记录为,除了作为反射的1)和2)被裁剪972 - 1675 nm。载荷矩阵提取并用于后处理未知样品光谱,如表1所示,U1, U2, U3。gydF4y2Ba

结果与讨论gydF4y2Ba

图1显示了所有材料的堆放傅立叶变换红外光谱。gydF4y2Ba

图1所示。gydF4y2Ba傅立叶变换红外光谱对材料进行测试。光谱转变为视觉清晰度。图片来源:亨利,et al ., 2022gydF4y2Ba

表2显示了熔化温度(TgydF4y2Ba_米gydF4y2Ba),玻璃化转变温度(TgydF4y2Ba_ggydF4y2Ba)和分解温度(TgydF4y2Ba_dgydF4y2Ba)在DSC和TGA决定。gydF4y2Ba

表2。gydF4y2Ba玻璃化转变温度(TgydF4y2Ba_ggydF4y2Ba)、熔化温度(TgydF4y2Ba_米gydF4y2Ba)和分解温度(TgydF4y2Ba_dgydF4y2Ba)材料分析了差示扫描量热法(DSC)和thermogravimetrical分析(TGA)。TGA数据给出了TgydF4y2Ba_dgydF4y2Ba质量损失(%)。资料来源:亨利,gydF4y2Ba等gydF4y2Ba,2022gydF4y2Ba

	TgydF4y2BaggydF4y2Ba(°C)gydF4y2BaαgydF4y2Ba	TgydF4y2Ba米gydF4y2Ba(°C)gydF4y2BaαgydF4y2Ba	TgydF4y2BadgydF4y2Ba(°C)gydF4y2BaβgydF4y2Ba	TgydF4y2BadgydF4y2Ba(°C)gydF4y2BaγgydF4y2Ba
HDPEgydF4y2Ba	- - - - - -gydF4y2Ba	138年gydF4y2Ba	427 (100)gydF4y2Ba	473 (100)gydF4y2Ba
页gydF4y2Ba	- - - - - -gydF4y2Ba	149年gydF4y2Ba	328 (100)gydF4y2Ba	458 (100)gydF4y2Ba
PSgydF4y2Ba	101年gydF4y2Ba	- - - - - -gydF4y2Ba	367 (100)gydF4y2Ba	415 (98)gydF4y2Ba
聚氯乙烯gydF4y2Ba	82年gydF4y2Ba	- - - - - -gydF4y2Ba	284(59岁)433 (36)gydF4y2Ba	292(59岁)468 (23)gydF4y2Ba
PVDFgydF4y2Ba	- - - - - -gydF4y2Ba	172年gydF4y2Ba	404 (57)558 (41)gydF4y2Ba	452 (68)gydF4y2Ba
POM NgydF4y2Ba	- - - - - -gydF4y2Ba	169年gydF4y2Ba	285 (94)gydF4y2Ba	355 (99)gydF4y2Ba
POM BgydF4y2Ba	- - - - - -gydF4y2Ba	170年gydF4y2Ba	313 (100)gydF4y2Ba	357 (100)gydF4y2Ba
偷看gydF4y2Ba	- - - - - -gydF4y2Ba	341年gydF4y2Ba	580 (31)661 (94)gydF4y2Ba	592 (45)gydF4y2Ba
腹肌gydF4y2Ba	110年gydF4y2Ba	- - - - - -gydF4y2Ba	411 (92)552 (8)gydF4y2Ba	428 (93)gydF4y2Ba
甲基丙烯酸gydF4y2Ba	129年gydF4y2Ba	- - - - - -gydF4y2Ba	317 (98)gydF4y2Ba	374 (99)gydF4y2Ba
个人电脑gydF4y2Ba	149年gydF4y2Ba	- - - - - -gydF4y2Ba	506 (73)618 (100)gydF4y2Ba	513 (80)gydF4y2Ba
宠物gydF4y2Ba	86年gydF4y2Ba	250年gydF4y2Ba	428 (85)574 (100)gydF4y2Ba	438 (84)gydF4y2Ba
PA12gydF4y2Ba	159年gydF4y2Ba	- - - - - -gydF4y2Ba	420 (93)535 (100)gydF4y2Ba	437 (98)gydF4y2Ba

^αgydF4y2BaDSC 20°C mingydF4y2Ba^{−1gydF4y2Ba}。gydF4y2Ba
^βgydF4y2BaTGA 20°C mingydF4y2Ba^{−1gydF4y2Ba}在空气中。gydF4y2Ba
^γgydF4y2BaTGA 20°C mingydF4y2Ba^{−1gydF4y2Ba}在NgydF4y2Ba_2gydF4y2Ba。gydF4y2Ba

表2中的热性能表明,应用聚合物包含没有添加剂如软化剂、填料、等等。分析了材料使用一个工业HC设置,和图2显示了四盘1204海里的HC形象以及POM N光谱。gydF4y2Ba

图2。gydF4y2Ba离开,四个磁盘(从左到右:PEEK, POM N, POM N,和POM B)在1204 nm和POM N(标有平均的面积)。正确的,高光谱光谱扫描的POM N平均超过10、25和200像素。图片来源:亨利,et al ., 2022gydF4y2Ba

图2描述了一个HC的形象四个样本光盘和谱平均执行的区域。图3描述了光谱成像的十ABS光盘顺序。gydF4y2Ba

图3。gydF4y2Ba显示了光谱测量在十个不同的ABS标本,每个谱平均为200像素。图片来源:亨利,et al ., 2022gydF4y2Ba

图3显示了十ABS样品的光谱数据是高度可再生的。图4描述了HC光谱获得光盘表面与修改。gydF4y2Ba

图4。gydF4y2Ba平均光谱测量10 ABS样本(规范),五ABS样品表面处理木锉锉,和五个ABS样品表面处理螺丝刀压痕。图片来源:亨利,et al ., 2022gydF4y2Ba

表1中所有13个材料的光谱是利用工业HC成像,获得和结果如图5所示。图6显示了PCA得分阴谋后获得的光谱Savitzky-Golay过滤。gydF4y2Ba

图5。gydF4y2Ba高光谱光谱对所有材料平均超过200像素和转移视觉清晰度。图片来源:亨利,et al ., 2022gydF4y2Ba

图6。gydF4y2Ba第一和第二主成分的得分图(分别PC1和PC2)主成分分析的Savitzky-Golay过滤HC光谱。计算集群中心(黑色圆),未知的样本(X),符号是已知的材料类型,预测材料类型分配一个颜色。图片来源:亨利,et al ., 2022gydF4y2Ba

图6的得分图表明,塑料类型集群具有良好的分离。gydF4y2Ba

由于这项研究是基于工业上可用的材料可能含有多种添加剂,材料需要验证。结果表明,包括材料包含低或无关紧要的有机添加剂的浓度。gydF4y2Ba

光谱质量的函数纹理和表面粗糙度进行了研究,并发现,尽管整体强度降低,可能是由于光散射,光谱信息完好无损,如图4所示。gydF4y2Ba

大多数塑料检查是纯粹的,但增加了POM作为中立的和蓝色的POM(表1和图5),PCA(图6)表明,POM组成了一个密集的集群,是独立的颜色。gydF4y2Ba

PCA score-plots透露,正常化和Savitzky-Golay过滤显著提高聚合物类型分组相比原始光谱分析。gydF4y2Ba

的密切分组PS、PC和ABS,另一方面,在区分这些塑料类型增加了不确定性。gydF4y2Ba

身份不明的样本(U1, U2, U3)随机选择在实验室和成像机器学习模型被创建后,大约一个月后,塑料计算参考。未知样本的主成分分析表明,PS U1, U2是PMMA, U3是电脑。gydF4y2Ba

此外,工业潜力显然是说明因为所有样本被映射在输送带运行一个工业摄谱仪,数据处理是减少到最低,机器学习展示了其强大的预测能力区分类型的塑料。gydF4y2Ba

结论gydF4y2Ba

高光谱成像波长从955 - 1700 nm 13日不同的塑料利用主成分分析法(PCA)分析表明,光谱范围足以区分塑料。非监督机器学习已被证明集群塑料类型,以及由此产生的载荷矩阵准确分类未知的塑料样品。gydF4y2Ba

因为所有高光谱成像是进行工业上可用的摄谱仪和以最小的数据处理,可以得出结论,这种进化技术是最好的工具来解决再生塑料纯度,因此,全球塑料挑战。gydF4y2Ba

期刊引用:gydF4y2Ba

亨利,m . L。Karlsen, c, B。Klarskov, P。,Hinge, M. (2022) Plastic classification via in-line hyperspectral camera analysis and unsupervised machine learning.振动光谱gydF4y2Ba,gydF4y2Ba118年gydF4y2Ba,p . 103329。网上:gydF4y2Bahttps://www.sciencedirect.com/science/article/pii/S0924203121001247?via%3DihubgydF4y2Ba。gydF4y2Ba

引用和进一步阅读gydF4y2Ba

1. Auken,我(2013)丹麦uden affald, Miljø——Og Fødevareministeriet。gydF4y2Ba14gydF4y2Ba,第1 - 40页。。gydF4y2Ba
2. Besenbacher F(2017)咨询委员会为cirkulærøkonomi——Anbefalinger直到regeringen Miljø——Og Fødevareministeriet。1 - 64页。gydF4y2Ba
3. 里昂,G(2017)新塑料经济:重新思考未来的塑料和催化作用。gydF4y2Ba
4. Veltze年代(2019)Hirsbak Miljøets fodspor nr, 5 - Affald Miljøstyrelsen, 1-36页。gydF4y2Ba
5. 巴恩斯D K (2010) Macroplastics在南极洲附近海域,gydF4y2Ba海洋环境研究gydF4y2Ba,gydF4y2Ba70年gydF4y2Ba,250 - 252页。gydF4y2Badoi.org/10.1016/j.marenvres.2010.05.006gydF4y2Ba。gydF4y2Ba
6. Colferai, a . S。gydF4y2Ba等gydF4y2Ba。(2017)分布格局的人为海洋废弃物胃肠道的绿海龟(gydF4y2Ba龟鳖目mydasgydF4y2Ba),对康复的影响。gydF4y2Ba海洋污染公告gydF4y2Ba,gydF4y2Ba119年gydF4y2Ba,231 - 237页。gydF4y2Badoi.org/10.1016/j.marpolbul.2017.03.053gydF4y2Ba。gydF4y2Ba
7. 科克兰,p . L。gydF4y2Ba等gydF4y2Ba。(2009)塑料和海滩:退化的关系。gydF4y2Ba海洋污染公告gydF4y2Ba,gydF4y2Ba58gydF4y2Ba,80 - 84页。gydF4y2Badoi.org/10.1016/j.marpolbul.2008.08.022gydF4y2Ba。gydF4y2Ba
8. 马丁内斯,E。gydF4y2Ba等gydF4y2Ba。(2009)表面漂浮的海洋废弃物漂移:融合和积累向南太平洋副热带环流,gydF4y2Ba海洋污染公告gydF4y2Ba,gydF4y2Ba58gydF4y2Ba,1347 - 1355页。gydF4y2Badoi.org/10.1016/j.marpolbul.2009.04.022gydF4y2Ba。gydF4y2Ba
9. 瑞安·G。gydF4y2Ba等gydF4y2Ba。(2009)监测海洋环境中大量的塑料碎片。gydF4y2Ba英国皇家学会哲学学报B,生物科学gydF4y2Ba,gydF4y2Ba364年gydF4y2Ba,1999 - 2012页。gydF4y2Badoi.org/10.1098/rstb.2008.0207gydF4y2Ba。gydF4y2Ba
10. SUSCHEM塑料(2020)可持续战略。gydF4y2Ba
11. 汤普森,R C(2004)在海上失去了:所有的塑料在哪里?gydF4y2Ba科学gydF4y2Ba,gydF4y2Ba80年gydF4y2Ba(304),第838页。gydF4y2Badoi.org/10.1126/science.1094559gydF4y2Ba。gydF4y2Ba
12. 欧洲委员会(2018)欧洲塑料在循环经济的策略。gydF4y2Ba
13. 麦肯锡公司(2019),经济新塑料,页1 - 69。gydF4y2Ba
14. Tsakona, M & Rucevska我在塑料垃圾(2020)基线报告,gydF4y2Ba巴塞尔公约gydF4y2Ba1 - 61页。gydF4y2Ba
15. Serranti、S。gydF4y2Ba等gydF4y2Ba。(2011)描述消费后的聚烯烃光谱成像质量控制废物的回收过程。gydF4y2Ba废物管理gydF4y2Ba,gydF4y2Ba31日gydF4y2Ba,第2227 - 2217页。gydF4y2Badoi.org/10.1016/j.wasman.2011.06.007gydF4y2Ba。gydF4y2Ba
16. Bonifazi, G。,gydF4y2Ba等gydF4y2Ba。(2018)的层次化分类方法识别低密度(LDPE)、高密度聚乙烯(HDPE)塑料垃圾混合基于短波红外(短波红外成像)高光谱成像,gydF4y2BaSpectrochimica学报:分子和生物分子光谱学gydF4y2Ba,gydF4y2Ba198年gydF4y2Ba,115 - 122页。gydF4y2Badoi.org/10.1016/j.saa.2018.03.006gydF4y2Ba。gydF4y2Ba
17. 郑,Y。,gydF4y2Ba等gydF4y2Ba。(2018)歧视模型在废塑料排序使用近红外光谱成像系统,gydF4y2Ba废物管理gydF4y2Ba,gydF4y2Ba72年gydF4y2Ba,87 - 98页。gydF4y2Badoi.org/10.1016/j.wasman.2017.10.015gydF4y2Ba。gydF4y2Ba
18. Rozenstein, O。gydF4y2Ba等gydF4y2Ba。(2017)开发的一种新方法基于中波红外光谱学的消费后的黑色塑料垃圾分类回收行业,gydF4y2Ba废物管理gydF4y2Ba,gydF4y2Ba68年gydF4y2Ba38-44页。gydF4y2Badoi.org/10.1016/j.wasman.2017.07.023gydF4y2Ba。gydF4y2Ba
19. Savitzky &戈利M J E(1964)由简化的最小二乘平滑和分化的数据程序,gydF4y2Ba分析化学gydF4y2Ba,gydF4y2Ba36gydF4y2Ba,1627 - 1639页。gydF4y2Badoi.org/10.1021/ac60214a047gydF4y2Ba。gydF4y2Ba
20. 苏格拉底,G(2004)红外和拉曼特征组频率:表和图表,第3版,约翰威利和儿子。gydF4y2Ba
21. Ruxanda, B。,gydF4y2Ba等gydF4y2Ba。(2009)组成的复合材料的制备和表征改性硬木和木材聚合物/聚(氯乙烯)gydF4y2Ba生物资源gydF4y2Ba,gydF4y2Ba4gydF4y2Ba,1285 - 1304页。gydF4y2Badoi.org/10.15376/biores.4.4.1285 - 1304gydF4y2Ba。gydF4y2Ba
22. 荣格,m·R。gydF4y2Ba等gydF4y2Ba。(2018)验证ATR红外光谱来确定聚合物塑料海洋废弃物,包括那些由海洋生物摄取,gydF4y2Ba海洋污染公告gydF4y2Ba,gydF4y2Ba127年gydF4y2Ba,704 - 716页。gydF4y2Badoi.org/10.1016/j.marpolbul.2017.12.061gydF4y2Ba。gydF4y2Ba
23. Stromberg, R·R。gydF4y2Ba等gydF4y2Ba。(1934)的红外光谱,热降解聚(氯乙烯)。gydF4y2Ba档案的国家统计局研究杂志》上gydF4y2Ba,gydF4y2Ba60gydF4y2Ba(2),147 - 152页。gydF4y2Ba
24. 李,Y。,gydF4y2Ba等gydF4y2Ba。张(2011),聚甲醛的非等温结晶过程研究了二维相关红外光谱,gydF4y2Ba聚合物gydF4y2Ba,gydF4y2Ba52gydF4y2Ba,2059 - 2069页。gydF4y2Badoi.org/10.1016/j.polymer.2011.03.007gydF4y2Ba。gydF4y2Ba
25. Diez-Pascual, a . M。gydF4y2Ba等gydF4y2Ba。(2009)的合成和表征聚醚醚酮)衍生品通过羰基还原,gydF4y2Ba大分子gydF4y2Ba,gydF4y2Ba42gydF4y2Ba,6885 - 6892页。gydF4y2Badoi.org/10.1021/ma901208egydF4y2Ba。gydF4y2Ba
26. Bokria, j·G。gydF4y2Ba等gydF4y2Ba。(2002)空间影响光降解的聚(acrylonitrilebutadiene-styrene): ATR-FTIR的研究,gydF4y2Ba聚合物gydF4y2Ba,gydF4y2Ba43gydF4y2Ba,3239 - 3246页。gydF4y2Badoi.org/10.1016/s0032 - 3861 (02) 00152 - 0gydF4y2Ba。gydF4y2Ba
27. Brandrup J(2003)聚合物手册4gydF4y2Ba^thgydF4y2Ba版,约翰威利和儿子。gydF4y2Ba
28. 工人,J。gydF4y2Ba等gydF4y2Ba。(2012)实用指南解释近红外光谱学和光谱图谱,2gydF4y2Ba^ndgydF4y2Ba版,CRC出版社。gydF4y2Badoi.org/10.1201/b11894gydF4y2Ba