基于智能与模糊聚类算法的混合塑料分选方法

摘要

本发明公开了一种基于智能与模糊聚类算法的混合塑料分选方法，仅需要采用红外设备获取样本塑料和标准塑料的红外吸收光谱，实现样本塑料的分类识别，有效降低了混合塑料识别分选的成本；此外，在模糊聚类算法的基础上引入绝对值隶属度、相对模糊隶属度及阈值，通过优化目标函数得到测试样本与标准材料的隶属度，能够自动对测试样本进行归类，显著提高了混合塑料红外分选的识别效率和准确性。

主权项

基于智能与模糊聚类算法的混合塑料分选方法，其特征在于，包括如下步骤：S1：获取Sample1塑料的红外吸收光谱，所述红外吸收光谱上具有多个红外特征吸收峰；S2：产生一组随机数U_j或依据经验得到一组随机数U_j，做归一化处理得到u_j，其中j由参与对比的红外特征吸收峰的数量确定：$\underset{i=1}{\overset{c}{\Sigma }}{u}_{ij}=1,\forall j=1,...,n;$S3：在波长为L1的红外特征吸收峰的对应位置，计算u_j*||y_A‑y_Sample 1||的欧几里德距离，其中y_A为A塑料的红外吸收率，y_Sample1为Sample1塑料的红外吸收率；S4：在L1、L2、L3……Lj j个特征吸收峰处，对u_j*||y_A‑y_Sample1||求目标函数，通过优化迭代得到目标函数的极小值，并因此得到一组最优的u_j‑opt；S5：求u_j‑opt方差的倒数，获得Sample1属于A塑料的绝对值隶属度u_A；S6：依据步骤S1‑S5，计算Sample1属于其他种类塑料的绝对值隶属度；S7：计算Sample1属于所有种类塑料的相对模糊隶属度，并根据相对模糊隶属度的大小确定Sample1的归类；S8：对于其他待分选样本，重复上述步骤S1‑S7。