本技术涉及环保检测技术领域,本发明提供的一种基于高光谱成像的生活垃圾重金属含量在线检测方法,解决了现有重金属识别技术中无法对恶劣现场环境进行在线远距离识别,对现场环境条件忽视导致重金属含量预测误差较大的问题,通过高光谱传感器获取生活垃圾的高光谱图像,结合测试空间内的温度、湿度及粉尘浓度信息,利用实验室条件下模拟仿真模型调整光谱反射率至标准条件,再通过预测模型快速预测不同种类重金属的含量,本发明采用LightGBM算法提取光谱特征,CatBoost进行机器学习,并通过遗传算法优化预测模型参数,提高了预测准确性,实现了生活垃圾重金属含量的在线快速检测。
背景技术
高光谱成像是将成像技术与光谱技术相结合的前沿技术,利用高光谱传感器同时获取目标在多个连续、窄波段上的光谱信息,形成高光谱数据立方体。通过对数据进行分析和处理,可以获取目标在不同波段上的光谱特征,从而实现对目标的精准识别与分类。高光谱成像技术以其独特的光谱分辨率和空间分辨率,在食品安全、医学诊断、航天多个领域展现出广泛的应用前景,为科学研究、工业生产和社会生活带来了诸多便利。
高光谱成像技术在生活垃圾重金属含量在线检测过程中,通过获取生活垃圾的高光谱图像,能够捕捉到垃圾中不同物质对不同波长光的反射、吸收特性。由于重金属元素在特定波长下具有独特的光谱特征,因此可以利用高光谱成像技术对这些特征进行识别和分析,从而实现对生活垃圾中重金属含量的快速检测。
生活垃圾焚烧灰渣重金属含量进行检测时,由于现场环境空间内湿度、温度以及粉尘含量与实验室内的条件不同,空气湿度会影响空气中水分子的含量,水分子对特定波长的红外光有吸收和散射作用,温度变化会影响物质的热辐射特性以及分子的振动和转动能级,从而影响特定波段的红外反射光谱,粉尘颗粒会对红外光产生散射和吸收,导致相同种类相同含量的重金属在不同空气条件的情况下的红外波段的反射光谱信息产生较大的误差。因此在利用红外反射光谱对灰渣重金属含量进行预测时,需要考虑现场的温度、湿度与粉尘含量对光谱反射信息的影响,因此我们提出一种基于高光谱成像的生活垃圾重金属含量在线检测方法。
实现思路