Identification qualitative des déchets textiles basée sur la spectroscopie proche infrarouge et un réseau de neurones artificiels à rétro-propagation

Le tri manuel des différents types de déchets textiles est long, laborieux et imprécis. L’identification non destructive et efficace des fibres dans les déchets de tissus est d’une grande importance pour la réutilisation des matières textiles. Dans cet article, 593 échantillons ont été sélectionnés comme objets de recherche, y compris les textiles de polyester, de coton, de laine, de viscose, de nylon, de soie, d’acrylique, de polyester / nylon, de polyester / coton, de polyester / laine et de soie / coton. Le spectre proche infrarouge de chaque échantillon a été obtenu par un spectromètre proche infrarouge portable, et l’influence de l’humidité de l’environnement et de l’épaisseur du tissu sur le spectre proche infrarouge de l’échantillon a été discutée pour obtenir les meilleures conditions de test. Sur cette base, un  réseau de neurones artificiels à rétropropagation (BP-ANN) a été appliqué à la classification qualitative des déchets textiles pour compléter l’identification automatique des composants du tissu dans le processus de tri.

Tout d’abord, un ensemble d’échantillons standard a été établi par découpage et normalisation de la forme d’onde, et une couche profonde du BP-ANN adaptée à la spectroscopie dans le proche infrarouge a été établie. Ensuite, le réseau BP a été formé en fonction des données de spectre proche infrarouge d’entrée des catégories d’échantillons connues et des résultats de classification des 11 types d’étiquettes prédéfinis, et les poids et les seuils de chaque couche ont été ajustés dans le processus d’apprentissage répété. Enfin, une structure de réseau de 1500 * 100 * 11 a été établie lorsque l’erreur de réseau était la plus petite et que le nombre de nœuds de couche masqués correspondants était de 100. Lorsque le nombre d’étapes d’apprentissage était de 500, la somme des erreurs au carré atteignait 0,001, et le l’effet de reconnaissance du modèle était le meilleur. Pendant ce temps, la validité du modèle a été vérifiée en inspectant 299 échantillons supplémentaires en dehors du modèle, et le taux de précision de reconnaissance du modèle établi a également dépassé 99, ce qui a vérifié l’efficacité du modèle.

Ces résultats montrent que ce modèle d’analyse qualitative proche infrarouge permet de classer et d’identifier plus précisément les déchets textiles, en particulier les déchets textiles polyester. En outre, il propose une nouvelle idée de recyclage et de réutilisation des déchets textiles pour les entreprises.

Serveur web :  https://journals.sagepub.com/doi/full/10.1177/00405175211007516

Date : 09/04/2021

 

En continuant à utiliser le site, vous acceptez l’utilisation des cookies. Plus d’informations

Les paramètres des cookies sur ce site sont définis sur « accepter les cookies » pour vous offrir la meilleure expérience de navigation possible. Si vous continuez à utiliser ce site sans changer vos paramètres de cookies ou si vous cliquez sur "Accepter" ci-dessous, vous consentez à cela.

Fermer