合工大卢荣胜团队利用激光诱导击穿光谱改进可回收垃圾分类

资源的可持续发展和再利用是实现绿色、低碳、循环经济体系的重要环节，垃圾分类是其中必不可少的一部分。随着经济的发展，垃圾总量逐年增长，可回收垃圾的识别和分类是将垃圾变废为宝，实现垃圾资源化、回收再利用和节约资源的前提。

基于物理特性和图像的识别分类方法，受环境、光照、拍摄角度、垃圾几何形状等因素影响准确率较低，且不能满足精细化分类要求；红外光谱、高光谱、荧光光谱等技术需要对检测的垃圾样品进行预处理，操作复杂，不能实现自动检测。

为实现快速、自动、准确的垃圾识别和分类以供再利用，合肥工业大学卢荣胜教授团队寻求能够简化和改进可回收垃圾识别和分类的有效方法。

论文截图

根据垃圾的物质成分进行分类

2017 年，国家发改委、住房和城乡建设部共同出台了《生活垃圾分类制度实施方案》，2020 年底前，在重点城市的城区范围内先行实施生活垃圾强制分类，目标之一是生活垃圾回收利用率达到 35% 以上。目前大部分城市已实行垃圾分类，但居民对垃圾分类的规定和操作方法不够了解，因此政府增加分类知识和技巧的宣传，制定监管制度，投入了较多的人力物力资源，但分类落实仍存在困难。

" 我们小区刚开始实行垃圾分类时，社区、物业投入了大量的精力，利用多种手段进行宣传和监管，甚至只能在固定地点、固定时间投放垃圾。很多人觉得操作比较麻烦，感觉给生活带来了不便，尤其独居老人，把所有垃圾不分类扔在单元门口，增加了保洁人员工作，小区环境也受到影响 "，杨蕾副教授说，" 我们团队一直从事物质成分检测方面的研究，垃圾分类的目的一是减小环境污染，更重要的是对可回收垃圾进行资源再利用。资源再利用一般依据物质成分进行分类再利用，因此，基于物质成分的分类方法会有较高的准确性，如果根据物质成分实现垃圾的自动识别和分类，可以给居民、政府、回收工厂带来更多的便利，因此我萌生了利用自己的专业知识来解决垃圾识别和分类的问题。"

LIBS 技术用于垃圾分类的特色与亮点

研究团队开展了利用激光诱导击穿光谱（LIBS）根据垃圾的物质成分进行识别和分类的研究，LIBS 技术是一种原子发射光谱分析技术，利用高能激光与物质互作用产生等离子体发射光谱，实现物质组分及其含量的定性和定量检测，具有无需样品预处理、操作简单、快速、实时、多元素同时检测的优点。我们采集了可回收垃圾样品的 LIBS 光谱，利用机器学习对光谱信息进行处理。由于 LIBS 光谱中包含大量信息，若利用 LIBS 全光谱进行机器学习，不仅影响机器学习分类模型的分类效率，还会导致分类不准确，所以对光谱进行降维提取特征光谱，对降维后的光谱结合机器学习进行可回收垃圾分类。基于不同的降维算法与机器学习算法的结合，我们构建了多个分类模型，根据分类结果和评估指标选择最优模型。

用于采集可回收垃圾光谱的 LIBS 实验系统

考虑到垃圾成分的复杂性和精确分类的重要性，针对可回收垃圾，做了两种层面的研究，分别是面对消费者层面进行垃圾类别的分类研究，以及面对回收加工工厂层面对同类可回收垃圾进行精细分类。这项研究中，我们收集并分析了未经预处理的 80 个可回收垃圾的 LIBS 光谱，面对消费者层面将其分为纸张、塑料、玻璃、金属、纺织品和木材六类；面对回收加工工厂层面，基于某类可回收垃圾具有特定的再利用用途，分别对金属和塑料进行了精细分类。由于不同垃圾具有独特的物质组分特性，该技术能准确、高效实现可回收垃圾的识别和分类，六种垃圾的识别分类和精细分类的最优模型准确率可达 100%。

部分可回收垃圾样品图

部分可回收垃圾样品 LIBS 光谱图（图中标记为元素特征谱线）

利用 LIBS 技术对可回收垃圾分类的过程

这项工作可解决现有垃圾分类方法受环境影响、样品需预处理、分类准确率低、不能实现精细分类、不能实现自动分类等问题，对生活工业垃圾分类、资源回收与加工工业，推进绿色生态建设，具有一定的应用价值。

产业化前景

基于物质成分分析的 LIBS 技术可以实现快速、自动、准确的可回收垃圾识别和分类、以及精细化分类，即适合生活垃圾和工业垃圾的分类，还可用于回收加工工厂。团队在该方面做了初步的研究和分析，若要实现产业化，还需大量增加垃圾样本种类与数量，根据加工再利用需求增加垃圾精细化分类类别。团队目前仍在继续该方面的研究，欢迎感兴趣或能提供精细化分类样本的企事业团队共同探讨。

参考文献

Lei Yang, Yong Xiang, Yinchuan Li, Wenyi Bao, Feng Ji, Jingtao Dong, Jingjing Chen, Mengjie Xu, Rongsheng Lu; Identification and classification of recyclable waste using laser-induced breakdown spectroscopy technology. AIP Advances 1 July 2023; 13 ( 7 ) : 075024. https://doi.org/10.1063/5.014932

转载请注明出处。