拉曼光譜結(jié)合深度學(xué)習(xí)算法的塑料分類的研究

打開文本圖片集

摘要：拉曼光譜法能識(shí)別塑料制品光譜特征峰，但操作流程繁瑣且準(zhǔn)確率有待提升，對(duì)此提出了基于一維卷積神經(jīng)網(wǎng)絡(luò)（one-dimensional convolution neural network， 1-D CNN）的塑料制品分類算法，首先建立以聚乙烯（polyethylene， PE）、聚丙烯（polypropylene， PP）、聚對(duì)苯二甲酸乙二醇酯（polyethylene terephthalate， PET）和聚苯乙烯（polystyrene， PS）為原材料的40種塑料包裝樣本數(shù)據(jù)集；然后設(shè)計(jì)1-D CNN 、K 近鄰（KNN）、決策樹（DT）和支持向量機(jī)（SVM）4種算法模型進(jìn)行訓(xùn)練，并在光譜分類流程、模型準(zhǔn)確率和魯棒性等方面進(jìn)行對(duì)比。（剩余8146字）