基于激光诱导击穿光谱技术的废旧金属分类辨识
文献类型：期刊论文
| 作者 | 郭美亭1,2,3 ; 孙兰香1,2,3; 董伟1,2,3; 王金池1,2,3; 丛智博1,2,3; 郑黎明1,2,3
|
| 刊名 | 冶金分析
 |
| 出版日期 | 2020 |
| 卷号 | 40期号:12页码:72-78 |
| 关键词 | 废旧金属分类 激光诱导击穿光谱(LIBS) 分选系统 支持向量机 遗传算法 |
| ISSN号 | 1000-7571 |
| 其他题名 | Classification and identification of scrap metals based on laser-induced break down spectroscopy |
| 产权排序 | 1 |
| 英文摘要 | 废旧金属回收是工业中金属的重要来源之一,是发展循环经济的重要内容.废旧金属产量巨大,通常表面覆盖杂质,凹凸不平,因此对分类方法的判别能力和计算速度提出较高要求.采用激光诱导击穿光谱技术研究分析了7种废旧金属分类识别问题,包括生铝、熟铝、镁、不锈钢、锌、黄铜与红铜.为了符合现场应用条件,实验中每个样本点只激发一次建立并分析了多种分类模型,包括支持向量机(SVM)分类模型,主成分分析方法结合支持向量机(PCAGSVM)分类模型,遗传算法结合支持向量机(GAGSVM)分类模型,遗传算法选择特征光谱结合主成分分析方法和支持向量机(GAGPCAGSVM)分类模型,以及遗传算法选择特征光谱结合主成分分析方法和人工神经网络(GAGPCAGBP)分类模型.通过遗传算法选取包含丰富特征的谱段组合与支持向量机方法相结合建立GAGSVM 分类模型,490组验证样本分类准确率为93 47%.为了判断该模型的鲁棒性,对一批新样品,在自研的分选系统上以传送带匀速运行的方式进行测试,获取的750组光谱测试数据,分类准确率为88 27%,证明了该分类模型具有很好的移植性和应用性. |
| 语种 | 中文 |
| 资助机构 | 中国科学院前沿科学重点研究(QYZDJGSSWGJSC037) ; 中国科学院青年创新促进会国家重点研发计划(2016YFF0102502) ; 辽宁省兴辽英才计划青年拔尖人才(XLYC1807110) |
| 源URL | [http://ir.sia.cn/handle/173321/27993]  |
| 专题 | 沈阳自动化研究所_工业控制网络与系统研究室 |
| 通讯作者 | 孙兰香 |
| 作者单位 | 1.中国科学院网络化控制系统重点实验室 2.中国科学院机器人与智能制造创新研究院 3.中国科学院沈阳自动化研究所机器人学国家重点实验室 |
| 推荐引用方式 GB/T 7714 | 郭美亭,孙兰香,董伟,等. 基于激光诱导击穿光谱技术的废旧金属分类辨识[J]. 冶金分析,2020,40(12):72-78. |
| APA | 郭美亭,孙兰香,董伟,王金池,丛智博,&郑黎明.(2020).基于激光诱导击穿光谱技术的废旧金属分类辨识.冶金分析,40(12),72-78. |
| MLA | 郭美亭,et al."基于激光诱导击穿光谱技术的废旧金属分类辨识".冶金分析 40.12(2020):72-78. |
入库方式： OAI收割
来源：沈阳自动化研究所
浏览0
下载0
收藏0
其他版本
除非特别说明，本系统中所有内容都受版权保护，并保留所有权利。