在消费后食品容器和包装废物中识别塑料材料,使用太赫兹光谱学和机器学习
Kazuaki Okubo1, Gaku Manago1, Tadao Tanabe2
1Graduate School of International Cultural Studies, Tohoku University, 41, Kawauchi, Aoba-ku, Sendai 980-8576, Japan.
Waste management (New York, N.Y.)
|February 19, 2025
概括
从废物中准确识别塑料对于回收至关重要. 这项研究使用近红外 (NIR) 和太赫兹 (THz) 光谱技术与机器学习 (ML) 精确识别PET和PS等塑料,达到90%以上的精度.
科学领域:
- 材料科学 材料科学 材料科学
- 分析化学 分析化学
- 数据科学数据科学数据科学
背景情况:
- 准确识别消费后塑料废物对于提高回收的纯度和价值至关重要.
- 塑料特性 (形状,添加剂) 的变化会造成光谱不一致,使识别复杂化.
- 现有的方法难以处理各种塑料废物流.
研究的目的:
- 开发一种高精度的系统,用于从废物中识别透明聚乙烯二甲 (PET),透明聚乙烯 (PS) 和黑色PS.
- 将近红外 (NIR) 和太赫兹 (THz) 光谱与机器学习 (ML) 结合起来,以增强塑料识别.
- 利用可解释AI (XAI) 来了解NIR和THz波在塑料差异化中的贡献.
主要方法:
- 整合近红外 (NIR) 和太赫兹 (THz) 光谱技术.
- 机器学习算法的应用,特别是XGBoost和贝叶斯优化.
- 使用可解释AI (XAI) 进行光谱特征分析和识别验证.
主要成果:
- 在识别透明PET,透明PS和黑色PS方面取得了超过90%的精度得分.
- 确定了特定的THz频率 (透明PS的0.140 THz,透明PET的0.075 THz) 对于识别至关重要.
- 红外光谱学有效地将黑色PS与透明塑料区分开来.
结论:
- 结合NIR和THz光谱与ML,为塑料废物识别提供了强大的解决方案.
- 太赫兹光谱的有效性取决于材料,为NIR提供了补充的洞察力.
- 开发的技术有助于推进高精度识别系统,并指导未来对THz光谱用于回收的研究.
