一种基于光谱技术的厨余垃圾快速鉴定方法与流程

本发明涉及垃圾处理技术领域，具体是指一种基于光谱技术的厨余垃圾快速鉴定方法。

背景技术：

厨余垃圾是家庭、宾馆、饭店等饮食单位抛弃的剩余饭菜的统称。目前世界各国绝大部分城市垃圾中约40％为厨余垃圾，主要包括米和面粉类食物残余、蔬菜、植物油、动物油、肉骨、鱼刺等。其化学组份主要为淀粉、纤维素、蛋白质、脂类和无机盐等。厨余垃圾有如下特点：一是粗蛋白和粗纤维等有机物含量较高(各占厨余垃圾干燥物的16.73％和2.52％)，开发利用价值较大，但易腐并产生恶臭；二是含水率高(水的质量分数大于80％)，不便收集运输，热值低，处理不当容易产生渗沥液等二次污染物；三是油类(粗脂肪占厨余垃圾干燥物的28.82％)和盐类物质(nacl含量高达1.239％)含量较其它生活垃圾高，对资源化产品品质影响较大，需要妥善处理。

红外光谱是波长范围在780～2526nm的电磁波，属于分子光谱，在该波长范围内主要是含氢基团(x-h，x为c，o，n，s等)产生的合频及倍频吸收。因为所有的有机化合物和绝大部分无机化合物都至少含有一个含氢基团，所以它们都可以吸收近红外光产生特定的吸收谱图。目前，近红外光谱法(nirs)因其快速、简便、低成本、非破坏性和多组分同时测定等优点受到人们的重视，广泛应用于农业、食品、石油、医药等领域，但近红外光谱技术在测定厨余垃圾成分的研究在国内罕见报道。中国专利公开了“厨余垃圾处置监控方法”(申请号：cn201810143498.5)，采用了光谱分析技术，提供了土质采样的具体方法，并且根据光谱分析的特点提出了一种综合的数据处理方法，使得对于土质有机质和全氮含量和土质金属成分含量的预测效果基本稳定良好，但其需要对厨余垃圾固态和液态分开，并对厨余垃圾的检测局限于元素态水平上。

x射线是由于原子中的电子在能量相差悬殊的两个能级之间的跃迁而产生的粒子流，是波长介于紫外线和γ射线之间的电磁波。其波长很短约介于0.01～100埃之间。x射线具有很高的穿透本领，能透过许多对可见光不透明的物质，如墨纸、木料等。这种肉眼看不见的射线可以使很多固体材料发生可见的荧光，使照相底片感光以及空气电离等效应。x射线最初用于医学成像诊断和x射线结晶学，现也广泛使用于安检系统，但其在厨余垃圾检测方面未见报道。

技术实现要素：

本发明要解决的技术问题是克服以上技术缺陷，提供一种基于光谱技术的厨余垃圾快速鉴定方法，为厨余垃圾分类准确度判定提供技术支持；为环卫机构实现智慧环卫提供一种快速、无损、准确、环保的新方法。

为了达到上述发明目的，本发明采用的技术方案为：一种基于光谱技术的厨余垃圾快速鉴定方法，包括建立厨余垃圾主要组分的近红外定性判别模型和x射线检测数据库，包括以下步骤：

(1)收集样品：采集厨余垃圾10种常见组分，①主食(米、饭、馒头、面条)、②蔬菜、③水果、④肉类、⑤蛋壳、⑥鱼虾、⑦茶叶咖啡残渣、⑧豆制品、⑨残羹剩饭、⑩废弃油脂，每种分别采集40份样本作为建模集样品，10份样本作为校正集样品；

(2)建立近红外定性判别模型：准备近红外光谱仪和近红外光纤探头，对步骤(1)采集的10种建模集样品分别进行实验室红外分析，并结合实验室分析结果，分别确定建模集样品的近红外光谱最优采集条件，并通过光谱预处理和数据压缩，建立厨余垃圾10种成分定性判别模型，并对模型剔除奇异点，相同条件下采用校正集样品的近红外光谱图，调用定性判别模型对校正集样品进行定性分析从而对模型进行校正；

(3)x射线数据库建立：准备x射线发射源和探测器，对步骤(1)采集的10种建模集样品利用小剂量的x射线照射备检物品，利用计算机分析投过的射线，根据各个成分透过射线的变化分析被穿透的样品性质，将厨余垃圾10种成分建立颜色、形状模型和数据库加以区分。

进一步，所述建模集样品和实验室分析样品是采集到的10种厨余垃圾常见组分任意一种或几种的混合样。

进一步，所述的建模集样品和实验室分析样品均是固液混合态样品且不经过任何预处理措施，且样品体积不超过1dm³。

进一步，所述近红外光谱采集条件包括检测器、白光光源、增益、动镜速度、扫描范围、扫描次数、分辨率指标。

进一步，所述近红外光谱数据为利用近红外光谱仪采用漫反射方式获得的吸光度值。

进一步，所述近红外光谱预处理是指将步骤(1)中采集的建模集样品近红外光谱数据，通过平滑处理、去除趋势校正、多元散射校正(msc)以及矢量归一化(snv)等机器学习算法，最终得到光谱预处理与波长范围的最优条件。

进一步，所述近红外光谱数据压缩是指将经过预处的所有建模集样品的光谱转化为数据矩阵，采用主成分分析(pca)法对所有光谱数据进行数据降维，提取主成分的数目。

进一步，所述厨余垃圾近红外光谱定性判别模型采用偏最小二乘法回归(pls)建立。

进一步，所述的光谱仪的光纤探头置于距厨余垃圾样品表面上方10～50cm处，厨余垃圾置于旋转样品杯中，进行360°旋转，旋转速度为2r/s，所述厨余垃圾在40s内得到检测结果，预测相关系数r²均高于0.98，样品杯体积为5～8dm³。

进一步，所述厨余垃圾在30s内会被扫描至少64次，算数平均后的光谱作为一个采样光谱。

进一步，所述光谱检测系统对不合理成分具有自动报警功能。

本发明的有益效果为：

(1)由于厨余垃圾的复杂性，近红外光谱分析技术结合x射线检测方法，能够实现厨余垃圾各个组分的定性判别，从而为厨余垃圾的快速评价，提供参考依据；

(2)通过近红外光谱技术和x射线光谱技术可以实现厨余垃圾在线监测，可用于家庭厨余垃圾合理收集，也可用于社区厨余垃圾分类回收，为厨余垃圾分类准确度判定提供技术支持，增加了检测结果用途的多元性；

(3)两类光谱技术综合分析，为环卫机构实现生活垃圾分类提供一种快速、无损、准确、环保的新方法。

附图说明

图1是本发明一种基于光谱技术的厨余垃圾快速鉴定方法的结构示意图。

具体实施方式

应该指出，以下详细说明都是例示性的，旨在对本申请提供进一步的说明。除非另有指明，本文使用的所有技术和学术语具有与本申请所属技术领域的普通技术人员通常理解的相同含义。需要注意的是，这里所使用的术语仅是为了描述具体实施方式，而非意图限制根据本申请的示例性实施方式。如在这里所使用的，除非上下文另外明确指出，否则单数形式也意图包括复数形式，此外，还应当理解的是，当在本说明书中使用术语“包含”和/或“包括”时，其指明存在特征、步骤、操作、器件、组件和/或它们的组合。

一种基于光谱技术的厨余垃圾快速鉴定方法，结合图1进行具体步骤说明：

(1)收集样品：本方法的建模集样品分别采集厨余垃圾10种常见组分，①主食(米、饭、馒头、面条)、②蔬菜、③水果、④肉类、⑤蛋壳、⑥鱼虾、⑦茶叶咖啡残渣、⑧豆制品、⑨残羹剩饭、⑩废弃油脂，每种采集40份，共400份样本作为建模集样品，10份样品作为校正集样品。建模集样品和实验室分析样品是采集到的10种厨余垃圾常见组分任意一种或几种的混合样。

(2)仪器设备：近红外光谱仪、近红外光纤探头、x射线发射源、探测器、台式电脑，并对仪器及台式电脑进行使用前的校正。

(3)样品近红外光谱的采集：测定方式：漫反射，测定范围：400nm～2450nm；扫描速度：10次/秒，光谱分辨率：6nm。测定方法：红外检测样品是不经过任何预处理措施的固液混合态样品；光谱仪的光纤探头置于距厨余垃圾样品表面上方10～50cm处；厨余垃圾置于旋转样品杯中，进行360°旋转，旋转速度为2r/s，样品杯体积为0.5～0.8dm³；厨余垃圾在30s内会被扫描至少64次，算数平均后的光谱作为一个采样光谱。

(4)近红外光谱预处理：将步骤(1)中采集的样品近红外光谱数据，通过平滑处理、去除趋势校正、多元散射校正(msc)以及矢量归一化(snv)等机器学习算法，最终得到光谱预处理与波长范围的最优条件。

(5)近红外光谱数据压缩：将步骤(4)中采集处理的所有样品的光谱转化为数据矩阵，采用主成分分析(pca)法对所有光谱数据进行数据降维，提取主成分的数目。

(6)建立厨余垃圾近红外光谱定性判别模型：在确定的波段范围内，采用步骤(4)得到的光谱预处理方法和步骤(5)得到的主成分数目，用偏最小二乘法回归(pls)建立厨余垃圾各个成分的定性判别模型。

(7)厨余垃圾近红外光谱定性判别模型剔除奇异点：将步骤(6)中得到的厨余垃圾各个成分定性判别模型剔除奇异点，确定需要剔除奇异点的数目，采用逐步优化判别法并确定偏最小二乘法回归定性判别模型。

(8)x射线数据库建立：准备x射线发射源和探测器，对步骤(1)采集的10种建模集样品利用小剂量的x射线照射备检物品，利用计算机分析投过的射线，根据各个成分透过射线的变化分析被穿透的样品性质，将厨余垃圾10种成分建立颜色、形状模型和数据库加以区分。

(9)模型校正：相同条件下采集校正集样品的近红外光谱图，调用定性判别模型对校正集样品进行定性分析；同时对厨余垃圾x射线数据库采用校正集样品校正，提高模型和数据库的预测精度，得到可靠准确的分析结果。

(10)厨余垃圾智能检测：厨余垃圾在经过密闭通道时，分别受近红外光纤探头和x射线扫描，光纤探头将扫描获得的受检样品近红外光谱信息通过光纤传输给计算机，通过与数据库中模型进行匹配，智能判别厨余垃圾成分；同时由控制单元触发x射线源发射x射线，x射线经过准直器后形成非常窄的扇形射线束，穿透受检样品落到探测器上，探测器把接收到的x射线变为电信号，这些很弱的电流信号被放大后量化，通过通用串行总线传送到计算机作进一步处理，经过复杂的运算和成像处理后得到高质量的图像，和数据库中已建立的颜色、形状模型进行匹配获得成分信息，受检样品不属于厨余垃圾时，系统具有自动报警功能。两种检测结果综合考量，获得高准确率的检测结果，40s内得到检测结果，预测相关系数r²均高于0.98。

以上对本发明及其实施方式进行了描述，这种描述没有限制性，附图中所示的也只是本发明的实施方式之一，实际的结构并不局限于此。总而言之如果本领域的普通技术人员受其启示，在不脱离本发明创造宗旨的情况下，不经创造性的设计出与该技术方案相似的结构方式及实施例，均应属于本发明的保护范围。