[发明专利]一种基于光谱识别技术的干垃圾深度分选方法与装置

权利要求书

1.一种基于光谱识别技术的干垃圾深度分选方法，所述方法包括：

步骤一：建立源头干垃圾深度分选类别，包括纤维素类、烯类聚合物类以及低值类；

步骤二：人工获取不同深度分选类别干垃圾对应的红外光谱数据，建立干垃圾红外光谱数据库；

步骤三：对步骤二所述红外光谱数据进行预处理，并且提取特征波段，得到分类模型建立所需样本数据；

步骤四：将步骤三所述样本数据，作为数据集训练随机森林分类模型，并采用留一法交叉验证，获得训练好的随机森林分类模型；

步骤五：建立干垃圾分选系统，利用光谱识别技术，获取待测干垃圾的红外光谱数据，并将其输入到步骤四所获得的随机森林分类模型中，得到所述待测干垃圾的深度分选类别；

步骤六：将步骤五所述待测干垃圾红外光谱数据与其对应的深度分选类别补充加入至步骤二所述的干垃圾红外光谱数据库。

2.根据权利要求1所述的一种基于光谱识别技术的干垃圾深度分选方法，其特征在于，步骤二所述红外光谱数据为干垃圾在650～4000cm^-1波段的红外光谱数据。

3.根据权利要求1所述的一种基于光谱识别技术的干垃圾深度分选方法，其特征在于，步骤三所述预处理包括多元散射矫正、导数与平滑滤波联合处理和主成分分析法。

4.根据权利要求1所述的一种基于光谱识别技术的干垃圾深度分选方法，其特征在于，步骤四所述随机森林分类模型的建立，包括生成100～1000棵决策树，每颗决策树包含在样本数据内随机抽取的5～20个变量；其中在所述步骤三中特征波段内的变量越多，所述决策树权重w_i就越大。

5.根据权利要求4所述的一种基于光谱识别技术的干垃圾深度分选方法，其特征在于，所述随机森林分类模型的判别结果计算方式为：

其中，w_i表示为每颗决策树的权重，h_i(x)表示为每棵决策树的判别结果，T表示为决策树总量。

6.根据权利要求4所述的一种基于光谱识别技术的干垃圾深度分选方法，其特征在于，所述步骤四采用留一法交叉验证，具体实现过程为：

其中，N表示干垃圾样本数据总量，y_n表示1个验证集，表示除验证集以外的N-1训练集，表示本次训练得到的分类模型的验证结果；以上步骤循环N次，直到所有样本数据进行过验证；最后，将验证结果取平均值作为分类模型的准确率鉴别标准。

7.实现如权利要求1所述方法的一种干垃圾深度分选装置，其特征在于，所述装置包括运输装置、分拣装置、收集装置和中枢控制装置。

8.根据权利要求7所述的一种干垃圾深度分选装置，其特征在于：

所述运输装置包括输送带、输送滚筒和变速齿轮箱；所述输送带底端还设有金属承重板，所述输送滚筒周围设有包胶；

所述分拣装置包括二维线性滑台模组，红外光谱识别模块和串口通信模块；所述二维线性滑台模组包括水平滑台和竖直滑台；所述水平滑台，底端通过滑台底部设置的滑台支架与所述分拣装置顶端相互连接固定；所述竖直滑台，底端均匀分布大量柔性刷毛；

所述收集装置包括两侧传输滑道和末端传输滑道；

所述中枢控制装置通过所述串口通信模块实现对所述红外光谱识别模块和所述二维线性滑台模组的调控，然后通过无线通信模块实现云端数据库的实时接收与更新。

9.根据权利要求7所述的一种干垃圾深度分选装置，其具体工作过程为：

(1)待测干垃圾在进入分选装置前，通过预分选设备，使其均匀分散地分布在运输装置输送带上；

(2)所述输送带按照预定的速度，将待测干垃圾输送到分拣装置红外光谱识别模块工作区域，红外光谱识别模块实时感应到光谱数据变化，将变化的光谱数据通过串口通信模块传输到中枢控制装置；

(3)中枢控制装置获得当前待测干垃圾的红外光谱数据后，内置的预处理及分类模型对其进行处理与分类鉴别；

(4)分拣装置根据中枢控制装置识别出的深度分选类别，控制二维线性滑台模组进行空间反复运动，竖直滑台所固定的柔性刷毛将输送带上的待测干垃圾送入相对应类别的收集装置；

(5)中枢控制装置通过无线通信模块将红外光谱数据与深度分选类别传输到干垃圾红外光谱数据库，以进行干垃圾红外数据库的扩充及模型更新。