高光谱成像技术应用于垃圾回收行业

朱塞佩Bonifazi Giuseppe Capobianco罗伯塔Palmieri和西尔维亚Serranti *

化学工程系、材料与环境(DICMA),罗马Sapienza大学通过Eudossiana 18日,00184年,意大利罗马。电子邮件:(电子邮件保护)

DOI:https://doi.org/10.1255/sew.2019.a2
©2019

介绍

需要开发和部署越来越有效,快速、健壮的传感技术能够检测,描述和排序固体废物的产品和材料是最有挑战性的一个方面在工业回收领域。最垃圾的价值较低,因此必须具有成本效益的创新技术,与此同时,实现高性能的材料识别、分类和回收工厂质量控制,以得到高质量的二级原材料与相应的市场竞争力的主要原材料。从这个角度看,使用光谱成像(HSI)技术进行产品/材料描述,通过快速、可靠的处理/处理,正变得越来越重要。在本文中,一些HSI-based应用程序在废物回收部门,最初由作者开发,介绍和讨论。所有程序设计、实现和设置,目的是提供传感/检验工具能够执行非侵入式的、非接触式和实时分析实验室和/或工业规模。

高光谱影像

高光谱成像技术是一种新颖的技术,结合了数字成像与光谱的性质。半岛综合体育官方APP下载德甲¹使用这种方法,可以检测的光谱特征,获得图像的每个像素在不同波长区域(可见、近红外、短波红外等)根据选定的传感装置的特点。高光谱图像可以被认为是一个三维的数据集有两维空间和一维谱,所谓的“超立方体”。恒生指数可以被认为是最好的和最强大的非破坏性技术获得准确和详细的信息提取的图像,与高水平的灵活性。

收集的大量的光谱信息溪从样品表面必须被处理以提取感兴趣的信息。此外,作为一个初步介入任何检验或质量控制逻辑的发展,高光谱库参考光谱,用于未知样本识别,必须建立。达到前面提到的目标,为光谱数据预处理算法和程序,探索和分类通常是通过最优化实现策略。不同的pre-preprocessing算法可以应用于高光谱数据,完成使直线化变量之间的关系,消除外部来源的变化不是特别感兴趣的分析。主成分分析(PCA)适用于探索性的目的,提供复杂的多元数据的概述。²PCA分解光谱数据分成几个主要组件(pc)、原始数据的线性组合,嵌入每个收集的光谱数据的光谱变化。最初几个电脑,造成PCA,用于分析样本之间的共同特征:事实上,样本的特点是相似的光谱特征往往总分数作为集群的阴谋。

最后,不同的产品和/或材料的识别是利用获得的分类方法,如偏最小二乘判别分析(PLS-DA)。PLS-DA是一种监督分类技术需要数据的先验知识和允许样本的分类分为预定义组。³为了做到这一点,从参考样本,建立判别函数,这是后应用于属于一个未知样本进行分类设置。一旦建立模型,它可用于验证图像。一个有趣的和强大的分类方法是层次模型。采用这种分类的逻辑,⁴对象分为子集,然后他们再分割成子集,直到每个人都只包含一个对象。在每个步骤中,对象选择不同于其他人,孤立,而通过连续PLS-DA分类模型。

应用固体废物回收领域

昂贵的和/或复杂的设备的利用率是不合适的废物回收部门有几个原因。这些主要技术(如不同的粒子大小、形状、组成、物理状态),环境(如恶劣的条件)和经济(如低价值的回收材料或产品)。因此,有效,但低成本、技术描述,排序和浪费和回收产品的质量控制是必要的。一个解决方案是由应用程序基于HSI设备的利用率。这些程序在废物管理部门快速增长来自不同来源的材料,例如建筑和建筑垃圾(CDW),废物从电气和电子设备(WEEE),城市固体垃圾(垃圾)和报废车辆(弱电)。下面,两个不同的案例研究固体废物回收相关部门报告;第一个处理临终混凝土和第二个混合塑料垃圾。

HSI传感装置

两种不同HSI-based传感体系结构已经被利用,都位于原材料实验室化学工程系、材料与环境(Sapienza -罗马大学)。

第一个铸铁设备工作在近红外光谱范围内(1000 - 1700 nm),由光谱相机近红外光谱(SPECIM有限公司、芬兰)使用一个ImSpector™N17E光谱采样/像素为2.6 nm,加上TE-cooled InGaAs光电二极管阵列传感器(320×240像素)和一个像素的分辨率为12位。该设备是完全由电脑控制单元。调查对象/材料放置在一个移动的传送带(= 26厘米宽度和长度= 160厘米)调速(0毫米之间的变量¹和50 mm年代¹)。光谱采集可进行连续或在特定的时间间隔。照明光源使用扩散筒结构,近红外光谱进行了优化(即主机气缸内部涂层铝),嵌入五卤素灯。

第二个HSI设备工作在短波红外成像范围(1000 - 2500 nm)和由一个SISUChema XL™化学成像工作站(Specim、芬兰),与一个ImSpector™N25E成像光谱仪,在光谱采样/ 6.3 nm(有源像素320像素(空间)×240(光谱)像素),加上特定轴相机像素的分辨率的14位。设备由PC机控制单元配备ChemaDAQ™数据采集软件(Specim、芬兰)。/材料调查对象置于一个移动样品托盘/ s。

在这两种情况下获得的高光谱图像处理使用PLS_Toolbox(特征向量研究,Inc .)运行在Matlab^®(Mathworks公司)。

临终混凝土

可能利用高效和可靠传感技术能够执行检测/控制行动,拆除之前为了评估具体的物理化学特性,在回收过程中不同的成分、拆迁废部门代表了一个关键问题。^{5 - 7}特别关注了近年来致力于混凝土骨料的回收,减少不可再生自然资源开发做出贡献。性格化的骨料在临终混凝土回收过程的每一步都是重要的为了获得最终产品能够满足市场和监管要求,具有技术属性可比的主要原材料。详细,为了回收从混凝土骨料,能影响质量的两个重要方面必须考虑:1)材料的存在视为污染物(如塑料、泡沫、砖、木材、石膏)的总量⁵和2)程度的去除砂浆粘贴从再生混凝土骨料的表面。⁶

恒生指数已成功用于识别和确定污染物在再生骨料流以及评估的程度去除砂浆粘贴从骨料的表面。污染物检测,研究材料的特点是不同的光谱特征在近红外光谱范围内(1000 - 1700 nm)(图1)。主成分分析显示了方差分析类的材料之间的区别。事实上,如分数图所示(图1 b),可以观察到六个不同的集群的存在,基于像素的分组根据他们的光谱相似,对应于不同的材料。探索利用主成分分析法(PCA)的数据后,PLS-DA应用的分类方法(图1 c)。six-class模型给出了一个分类,如图1所示。此外,它也可以正确识别的砂浆骨料表面,如图1所示e-1f。事实上,使用两级PLS-DA模型(即砂浆和总类),可以确定清洁聚合,聚合完全由砂浆粘贴和聚合的建于砂浆粘贴。敏感性和特异性值模型的建立为污染物被发表在表1。敏感性措施实际积极值确定,而特异性措施的负面价值观正确识别。 A perfect prediction model is characterised by values of sensitivity and specificity equal to 1.

图1所示。答:不同材料的平均反射率光谱识别EOL混凝土内部的废物流;b: PCA分数情节;c:数字图像来源;和d:相应的高光谱图像分类。塑料(A)、砖(B)、混凝土骨料(C),木材(D)、石膏(E)和泡沫(F);艾凡:源再生混凝土骨料的数字图像;f:相应的高光谱图像分类(红色:总表面清洁;蓝色:砂浆)。

表1。敏感性和特异性值6类PLS-DA建造不同的具体的污染物。

类	灵敏度		特异性
	校准	交叉验证	校准	交叉验证
聚合	0.993	0.995	0.004	0.062
砖	0.997	1.000	0.996	0.996
石膏	0.984	1.000	0.999	0.999
塑料	1.000	1.000	1.000	1.000
木	0.982	0.983	0.994	0.825
泡沫	1.000	1.000	1.000	1.000

混合塑料垃圾

如今,人们迫切需要越来越多的塑料垃圾的回收利用,并改善这个领域中采用的回收策略目前为了识别和分类不同类型的塑料成单个聚合物流,特别是关于那些最难分离的常用技术。为了生产高质量的塑料产品在二级市场原材料,事实上需要获得mono-polymer流的特点是非常低水平的污染与其他聚合物。⁸必须努力达到高质量标准的塑料回收,无论是美联储回收工厂的产品,最后恢复产品的特点。利用HSI实现的可能性分析逻辑能够排序不同的聚合物和/或提供一个准确的产品质量认证,有助于实现这一目标。作者开发的基于经验的高光谱影像识别不同的塑料垃圾来自不同来源,^{8 - 14}一个灵活的基于PLS-DA层次分类模型开发和实施分类很多类聚合物在同一时间。详细,恒生指数在短波红外范围(1000 - 2500 nm)应用于确定八个不同种类的聚合物,代表最常用的许多不同的应用程序和产品(包装、建筑、电子电器、汽车等):HDPE, LDPE,爸爸,宠物,POM, PP, PS和PVC。在图2中,塑料的平均反射率光谱分析报告,显示出不同的特征进一步识别有用。利用主成分分析法(PCA)探索聚合物后光谱差异(图2 b),分层PLS-DA模型建立,让八个不同的聚合物的识别类(图2 c和2 d)。拟议的方法,基于分层分类、非常强大和快速,让八个不同的聚合物中确定一个步骤。

图2。答:不同种类的聚合物的平均反射率光谱浪费样品;b: PCA分数情节;c:数字图像来源不同的塑料薄片;d:相应的高光谱图像分类。

建立模型的敏感性和特异性值获得展示在表2。都很好,值从0.953到1.000的参数。拟议的恒生指数方法有很多优势,快速、无损、准确,而不需要执行特定的样品制备。

表2。敏感性和特异性的八级等级PLS-DA建造不同的塑料样品。

类	灵敏度		特异性
	校准	交叉验证	校准	交叉验证
低密度聚乙烯	0.993	0.993	0.998	0.998
巴勒斯坦权力机构	1.000	1.000	0.953	0.953
HDPE	0.998	0.998	0.993	0.993
宠物	0.999	0.999	0.998	0.998
页	0.992	0.992	1.000	1.000
砰的一声	0.953	0.953	1.000	1.000
PS	0.998	0.998	0.999	0.999
聚氯乙烯	1.000	1.000	1.000	0.992

结论

恒生指数可以废物回收部门盈利应用开发创新分析方法(实验室规模)和排序或质量控制策略(工业规模)具体目标来解决分类/识别问题不同材料和相关的检测特点,不必要的污染物等,有时很难“资格”和“量化”通过传统的策略。使用恒生指数和程序来提取有用信息的发展基于最优化策略被成功应用于两个不同的复杂的废物流,即临终混凝土和混合塑料垃圾。设备的特点和潜在的最优化提供的工具,使这种方法被用来设置创新、灵活、可靠、低成本的检测/控制设备和策略,可以很容易地集成,在实验室和工业水平,以及在现有的整合分析路径和/或加工厂布局。

引用

1. p . Geladi h . Grahn和j .汉堡(Eds),多元图像、光谱成像:背景和设备,高光谱图像分析的技术和应用。约翰威利& Sons,奇切斯特,页1 - 15 (2007)。
2. 美国荒原,k . Esbensen和p . Geladi“主成分分析”,Chemometr。智能。实验室系统。2,37-52 (1987)。https://doi.org/10.1016/0169 - 7439 (87) 80084 - 9
3. d . Ballabio诉Consonni,“化学分类工具。第1部分:线性模型。PLS-DA”,肛交。方法5,3790 - 3798 (2013)。https://doi.org/10.1039/c3ay40582f
4. J.A. Westerhuis, t . Kourti麦格雷戈和参考书籍”,多次拉丝和层次分析PCA和PLS模型”,j . Chemometr。12 (5),301 - 321 (1998)。https://doi.org/10.1002/ (SICI) 1099 - 128 x(199809/10)十二5 < 301::AID-CEM515 > 3.0.CO; 2 s
5. s Serranti r . Palmieri和g . Bonifazi高光谱成像技术应用于建筑垃圾回收:创新方法的质量控制”,j .电子。成像24日,043003 (2015)。https://doi.org/10.半岛app应用下载1117/1.JEI.24.4.043003
6. g . Bonifazi r . Palmieri和美国Serranti评价附着砂浆对再生混凝土骨料的高光谱影像”,若干。构建。板牙。169年,835 - 842 (2018)。https://doi.org/10.1016/j.conbuildmat.2018.03.048
7. g . Bonifazi r . Palmieri和s . Serranti“具体岩心描述确定最佳的拆除和骨料复苏”,废物管理。60岁,301 - 310 (2017)。https://doi.org/10.1016/j.wasman.2016.10.008
8. s . Serranti a Gargiulo和g . Bonifazi”特征的消费后的聚烯烃废物通过高光谱成像质量控制在回收过程中,废物管理。31日,2217 - 2227 (2011)。https://doi.org/10.1016/j.wasman.2011.06.007
9. 美国Serranti年代。,a . Gargiulo g . Bonifazi聚烯烃的分类建设和建筑垃圾利用近红外光谱成像系统”,Resour。Conserv。Recycl。61年,52-58 (2012)。https://doi.org/10.1016/j.resconrec.2012.01.007
10. b . Hu s Serranti n . Fraunholcz f . Di Maio)和g . Bonifazi循环型表征聚烯烃包装废物””,废物管理。33岁的574 - 584 (2013)。https://doi.org/10.1016/j.wasman.2012.11.018
11. a . Ulrici s Serranti c·法拉利·d·凯撒,恰城对妇女实施和g . Bonifazi“高效最优化策略PET-PLA歧视使用高光谱成像技术在回收工厂”,Chemometr。智能。实验室系统。122年,31 - 39 (2013)。https://doi.org/10.1016/j.chemolab.2013.01.001
12. r . Palmieri Bonifazi和s . Serranti“循环型表征塑料框架和印刷电路板的手机电子和化学成像”,废物管理。34岁,2120 - 2130 (2014)。https://doi.org/10.1016/j.wasman.2014.06.003
13. 诉Luciani g . Bonifazi b . Hu p . Rem和s . Serranti“升级PVC废物通过磁密度分离和光谱成像质量控制”,废物管理。45岁的118 - 125 (2015)。https://doi.org/10.1016/j.wasman.2014.10.015
14. g . Bonifazi Capobianco和s . Serranti“分层分类方法识别低密度(LDPE)、高密度聚乙烯(HDPE)混合塑料垃圾基于短波红外(短波红外成像)高光谱成像”,Spectrochim。《一个198年,115 - 122 (2018)。https://doi.org/10.1016/j.saa.2018.03.006