Online Characterization of Mixed Plastic Waste Using Machine Learning and Mid-Infrared Spectroscopy
Online Characterization of Mixed Plastic Waste Using Machine Learning and Mid-Infrared Spectroscopy
复制标题
使用机器学习和中红外光谱技术在线表征混合塑料废物
DOI：
10.1021/acssuschemeng.2c06052
复制
发表时间：
2022
影响因子：
8.4
通讯作者：
Bar-Ziv, Ezra
中科院分区：
文献类型：
--
作者：
Long, Fei;Jiang, Shengli;Adekunle, Adeyinka Gbenga;M Zavala, Victor;Bar-Ziv, Ezra
为了回收混合塑料废物（MPW），实时在线获取成分信息非常重要。我们提出了一种基于卷积神经网络 (CNN) 和中红外光谱 (MIR) 的传感框架，用于快速准确地表征 MPW。 MPW 样品放置在移动平台上以模拟工业环境。 MIR 光谱以 100 Hz 的速率收集，所提出的 CNN 架构可以达到接近 100% 的整体预测精度。因此，所提出的方法为需要高通量的工业应用中的在线 MPW 表征铺平了道路。
To recycle the mixed plastic wastes (MPW), it is important to obtain the compositional information online in real time. We present a sensing framework based on a convolutional neural network (CNN) and mid-infrared spectroscopy (MIR) for the rapid and accurate characterization of MPW. The MPW samples are placed on a moving platform to mimic the industrial environment. The MIR spectra are collected at the rate of 100 Hz, and the proposed CNN architecture can reach an overall prediction accuracy close to 100%. Therefore, the proposed method paves the way toward the online MPW characterization in industrial applications where high throughput is needed.
登录
查看更多内容
DOI：
--
发表时间：
2022
期刊：
Resources, Conservation and Recycling
影响因子：
--
作者：
A. Milbrandt;Kamyria Coney;Alex Badgett;G. Beckham
通讯作者：
G. Beckham
使用机器学习和快速红外光谱准确表征混合塑料废物
影响因子：
8.4
作者：
S. Zinchik;Shengli Jiang;S. Friis;F. Long;L. Høgstedt;V. Zavala;E. Bar
通讯作者：
E. Bar
影响因子：
3.1
作者：
Kim, Eunok;Choi, Woo Zin
通讯作者：
Choi, Woo Zin
影响因子：
4.3
作者：
Jiang, Shengli;Xu, Zhuo;Zavala, Victor M.
通讯作者：
Zavala, Victor M.