对比分类方法的性能,用NIR光谱来确定废木材的最佳再利用方法
Manuela Mancini1, Veli-Matti Taavitsainen2, Åsmund Rinnan3
1Department of Food Science, Faculty of Science, University of Copenhagen, Rolighedsvej 26, 1958 Frederiksberg C, Denmark; Department of Agricultural, Food and Environmental Sciences, Università Politecnica delle Marche, via Brecce Bianche 10, 60131 Ancona, Italy.
Waste management (New York, N.Y.)
|March 2, 2024
概括
回收废木材是可持续性的关键. 近红外 (NIR) 光谱与主要组件分析-K-最近邻居 (PCA-KNN) 准确地按质量分类木材,以便更好地重复使用.
科学领域:
- 材料科学 材料科学 材料科学
- 环境科学 环境科学
- 分析化学 分析化学
背景情况:
- 消费后废木材回收提供了一个环保的替代垃圾填埋处理.
- 废木材的异质性需要对最佳的回收和再利用策略进行表征.
- 根据成分和质量确定废木类别对于有效管理至关重要.
研究的目的:
- 评估废木材材料的特性,以改善回收利用.
- 将废木分类成质量类别的分类方法进行比较.
- 调查光谱测量参数对分类性能的影响.
主要方法:
- 使用手持NIR光谱相仪对100多个废木样本进行了表征.
- 三种分类模型的开发和比较:K-最近邻居 (KNN),主要组件分析 - 线性差异分析 (PCA-LDA) 和PCA-KNN.
- 基于光谱测量的数量和平均值来评估分类性能.
主要成果:
- 与KNN和PCA-LDA相比,PCA-KNN方法显示出更高的性能.
- 使用PCA-KNN实现了90.9%的最佳分类准确度,当废木被磨到5厘米颗粒大小,并平均光谱测量时.
- 与化学测量相结合的NIR光谱学在实时废木材分类中被证明是有效的.
结论:
- 尼尔光谱和化学测量为实时,准确的废木分类提供了有希望的解决方案.
- 有效的分类可以通过提供明智的回收决策来增强可持续的废木管理.
- 实时材料特征化最大限度地提高了废木材的回收潜力.
更多相关视频
06:50O-cresol Concentration Online Measurement Based On Near Infrared Spectroscopy Via Partial Least Square Regression
Published on: November 8, 2019
6.6K
07:51Combining Raman Imaging and Multivariate Analysis to Visualize Lignin, Cellulose, and Hemicellulose in the Plant Cell Wall
Published on: June 10, 2017
11.9K
