[发明专利]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

1.基于智能与模糊聚类算法的混合塑料红外分选方法，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Uj或依据经验得到一组随机数Uj，做归一化处理得到uj，其中j由参与对比的红外特征吸收峰的数量确定：S3：在波长为L1的红外特征吸收峰的对应位置，计算uj*||yA‑ySample 1||的欧几里德距离，其中yA为A塑料的红外吸收率，ySample1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uj*||yA‑ySample1||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uj‑opt；S5：求uj‑opt方差的倒数，获得Sample 1属于A塑料的绝对值隶属度uA；S6：依据步骤S1‑S5，计算Sample 1属于其他种类塑料的绝对值隶属度；S7：计算Sample 1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Sample 1的归类；S8：对于其他待分选样本，重复上述步骤S1‑S7；其中，步骤S7的具体步骤为：S31：Sample 1属于A塑料的相对模糊隶属度＝uA/Sample 1属于所有种类塑料的绝对值隶属度之和；S32：依据S31求得Sample 1属于其他塑料的相对模糊隶属度；S33：比较Sample 1属于所有种类塑料的相对模糊隶属度，相对模糊隶属度最大的塑料种类则对应Sample 1的归类。