《表2 特征谱线与波长：基于激光诱导击穿光谱与GA-BP神经网络的塑料分类识别》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《基于激光诱导击穿光谱与GA-BP神经网络的塑料分类识别》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

谱线的选择条件：1）谱线彼此间重叠少，自吸收现象较弱；2）谱线强度大；3)9种塑料的特征光谱强度彼此有差别且在光谱仪的有效波长范围内[13]。实验选取的金属谱线和非金属谱线，以美国国家标准与技术研究院（NIST）原子库的标准谱线波长为中心波长，读出±0.1nm内谱线的最大值作为该元素的谱线强度，选取的谱线如表2所示。不同塑料样品的元素含量不同，相应的特征谱线强度也不同，可以通过特征谱线对塑料进行识别分类。实验中每种塑料采集100组光谱数据，共采集900组光谱数据，每组光谱数据有15个特征属性。由于提取的特征谱线强度相差过大，且塑料样品中都含有C元素，因此，将所有特征谱线都除以C（I）:247.86nm谱线强度进行归一化处理。由于实验过程中的仪器、环境背景噪声会对采集的光谱数据造成干扰，为了提高数据的可靠性，用均值滤波对波形进行平滑处理。由于9种塑料样品的元素组成基本相同，因此峰位基本一致，图6(a）为ABS塑料样品的原始等离子发射光谱图，可以发现由于元素含量不同，特征谱线的强度存在明显差异。图6(b）为归一化与平滑滤波处理后的等离子发射光谱图。