基于激光诱导击穿光谱与机器学习的真实废弃塑料分类方法研究

《Scientific Reports》：Classification of real plastic waste using machine learning-assisted laser-induced breakdown spectroscopy

　　# 摘要本研究利用激光诱导击穿光谱（LIBS）技术，在模拟工业操作中激光与样品变异性的非优化实验条件下，使用实际废弃样品对塑料类型分类进行了评估。该研究针对塑料分拣中面临的挑战展开，这些问题对于提高回收效率以及减轻塑料废弃物溢出导致的二氧化碳排放和环境污染至关重要。测试采用与训练数据集物理分离的真实废弃样品进行留出法验证，建模数据来自标准材料，测试数据来自真实废弃物。目标塑料类型包括聚丙烯、聚对苯二甲酸乙二醇酯、高密度聚乙烯和低密度聚乙烯，这些是塑料废弃物的主要类型。塑料分拣借助两种机器学习技术辅助完成：主成分分析和k近邻算法。共考察了23种预处理方法和7种变量选择方法以提高分类准确率。预处理与变量选择的协同效应十分显著，将准确率从0.617提升至1.00。本研究证明了机器学习辅助LIBS在真实塑料废弃物分类中的潜力，并强调了相关波长选择的重要性。