Classification of Disposable Plastic Cup Cover Based on Raman Difference Spectroscopy

doi:10.19491/j.issn.1001-9278.2021.09.018

Abstract

Abstract:

Raman difference spectroscopy is one of the most commonly used testing methods. In this paper， a computer classification and recognition technology were applied for the test of a common disposable plastic cup cover at the scene of the case to obtain the differential Raman spectra of the specimens. According to the obtained spectrum， the specimens can be divided into three categories： PP， PS and pet. The peak positions of functional groups were analyzed and compared. The best clustering number was then determined to be 5 by using the calinski harabash evaluation index， followed by carrying out the K?means clustering. 40 specimens were randomly selected to establish a support vector machine discriminant model. The directional gradient histogram and gray level co?occurrence matrix were extracted and combined into a vector as a row of the feature matrix. The remaining 8 specimens were used as the test set to verify the results. The results indicated that the recognition accuracy reached 100 %. This efficient identification method has the advantages of low inspection cost and fast analysis speed， and it can play a technical reference role for the actual process of handling cases form the public security organs.

Key words: Raman difference spectroscopy, disposable plastic cup cover, calinski harabasz evaluation index, K?means clu?stering, support vector machine algorithm

CLC Number:

TQ320.77

GUO Qi, JIANG Hong, WU Kenan, YANG Jinjie, DUAN Bin, LIU Feng. Classification of Disposable Plastic Cup Cover Based on Raman Difference Spectroscopy[J]. China Plastics, 2021, 35(9): 116-121.

Figures/Tables 9

References 20

1	中国轻工总会塑料加工应用研究所. 塑料包装制品回收标志：［S］.北京：全国塑料制品标准化技术委员会，1996.
2	邓义祥，王燕萍，张承龙，等. 一次性塑料制品的替代管理策略研究［J］. 环境科学研究，2020，33（8）：1 973⁃1 978.
	DENG Y X， WANG Y P， ZHANG C L， et al. Alternative Management Strategies for Disposable Plastic Pro⁃ducts ［J］. Environmental Science Research， 2020，33（8）：1 973⁃1 978.
3	马枭，姜红.光谱技术对塑料物证的检验研究［J］.科技与创新，2020（13）：87⁃88，90.
	MA X，JIANG H. Study on the Inspection of Plastic Physical Evidence By Spectral Technology［J］.Science and Technology&innovation， 2020（13）：87⁃88，90.
4	陈玲玲.基于拉曼光谱的塑料检测技术与识别算法研究［D］.杭州：中国计量大学，2018.
5	方刚，殷磊，刘峰，等.基于差分喇曼技术在抑制荧光中的应用研究［J］.激光技术，2019，43（3）：359⁃362.
	FANG G， YIN L， LIU F，et al. Application Research of Fluorescence Suppression Based on Differential Raman Technique［J］. Laser Technology，2019，43（3）： 359⁃362.
6	KNIPFER C ， MOT Z J， ADLER W ，et al.Raman Difference Spectroscopy： a Non⁃invasive Method for Identification of Oral Squamous Cell Carcinoma［J］.Biomedical Optics Express，2014， 5（9）：3 252⁃3 265.
7	张博洋.支持向量机理论与应用研究综述［J］.无线互联科技，2015（19）：111⁃112.
	ZHANG B Y.Review on the Theory and Application of Support Vector Machine ［J］. Wireless Internet Technology， 2015（19）： 111⁃112.
8	李志豪，沈俊，边瑞华，等.机器学习算法用于公安一线拉曼实际样本采样学习及其准确度比较［J］.光谱学与光谱分析，2019，39（7）：2 171⁃2 175.
	LI Z H，SHEN J，BIAN R H ，et al. Application of Machine Learning Algorithm in the Actual Sample Aampling Learning of Police First Line Raman and Its Accuracy Comparison［J］. Spectroscopy and Spectral Analysis，2019，39（7）：2 171⁃2 175.
9	王梓笛，李双妹，尹延东，等.基于支持向量机算法的乳制品分类识别技术研究［J］.粮食科技与经济，2020，45（3）：104⁃107.
	WANG Z D，LI S M，YIN Y D，et al. Research on Classification and Recognition Technology of Dairy Products Based on Support Vector Machine Algorithm［J］. Grain Science and Technology and Economy，2020，45（3）：104⁃107.
10	李春宇，刘金坤，姜红，等. 基于支持向量机算法的X射线荧光光谱纸张灰烬识别研究［J］.激光与光电子学进展， 2021， 58（3）： 0330006.
	LI C Y，LIU J K，JIANG H，et al. Identification of X⁃Ray Fluorescent Spectral Paper Ashes Based on Support Vector Machine Algorithm［J］.Laser & Optoelectronics Progress， 2021，58（3）： 0330006.
11	董鹍，饶之帆，杨晓云，等.几种塑料的拉曼光谱检测［J］.塑料工业，2011，39（6）：67⁃70.
	DONG Y， RAO Z F， YANG X Y， et al. Determination of Several Plastic by Raman Spectroscopy［J］. China Plastics Industry， 2011，39 （6）： 67⁃70.
12	陈和生，孙育斌.几种塑料的傅里叶变换拉曼光谱分析［J］.塑料科技，2012，40（6）：69⁃72.
	CHEN H S， SUN Y B. Analysis of Several Kinds of Plastics by Use of FT⁃Raman Specroscopy［J］. Plastics Science and Technology， 2012，40（6）：69⁃72.
13	张进，姜红，刘峰，等. 鞋底材料的差分拉曼光谱可视化快速鉴别［J］. 激光与光电子学进展， 2021， 58（8）： 4.
	ZHANG J，JIANG H，LIU F， et al. Rapid Identification of Sole Materials by Differential Raman Spectroscopy［J］. Laser & Optoelectronics Progress， 2021， 58（8）： 4.
14	姜红，鞠晨阳，盘永平，等.拉曼光谱法检验泡沫塑料的研究［J］.上海塑料，2019（2）：48⁃53.
	JIANG H， JU C Y， PAN Y P，et al. Research on Foam Plastics by Raman Spectroscopy.［J］. Shanghai Plastics，2019（2）：48⁃53.
15	张进，姜红，段斌，等. 差分拉曼光谱结合化学计量学对口红的检验研究［J］. 激光与光电子学进展， 2021， 58（20）： 2030001.
	ZHANG J，JIANG H，DUAN B， et al. Study on Lipstick Inspection by Differential Raman Spectroscopy Combined with Chemometrics［J］. Laser & Optoelectronics Progress， 2021， 58（20）： 2030001.
16	杨俊闯，赵超.K⁃Means聚类算法研究综述［J］.计算机工程与应用，2019，55（23）：7⁃14.
	YANG J C，ZHAO C. Survey on K⁃Means Clustering Algorithm［J］.Computer Engineering and Applications，2019，55（23）：7⁃14.
17	CALINSKI T， HARABASZ J. A Dendrite Method for Cluster Analysis［J］. Communications in Statistics，1974（3）：1⁃27
18	冯柳伟，常冬霞，邓勇，等.最近最远得分的聚类性能评价指标［J］.智能系统学报，2017，12（1）：67⁃74.
	FENG L W， CHANG D X， DENG Y， et al. Clustering Performance Evaluation Index of the Latest Farthest Score［J］. Journal of Intelligent Systems，2017，12（1）： 67⁃74.
19	付元元，任东.支持向量机中核函数及其参数选择研究［J］.科技创新导报，2010（9）：6⁃7.
	FU Y Y，REN D. Research on Kernel Function and Its Parameter Selection in Support Vector Machine ［J］.Science and Technology Innovation Guide， 2010（9）： 6⁃7.
20	孔英会，景美丽.基于混淆矩阵和集成学习的分类方法研究［J］.计算机工程与科学，2012，34（6）：111⁃117.
	KONG Y H， JING M L.Research of the Classification Method Based on Confusion Matrixes and Ensemble Learning［J］. Computer Engineering and Science，2012，34（6）：111⁃117.

类别	样本编号
PP	1^#~3^#、6^#、7^#、10^#、12^#、14^#、24^#~32^#、35^#、36^#、38^#、44^#、45^#
PS	4^#、5^#、8^#、9^#、11^#、13^#、20^#~23^#、46^#
PET	15^#~19^#、33^#、34^#、37^#、39^#、40^#~43^#、47^#、48^#

类别	样本编号
PP	1^#~3^#、6^#、7^#、10^#、12^#、14^#、24^#~32^#、35^#、36^#、38^#、44^#、45^#
PS	4^#、5^#、8^#、9^#、11^#、13^#、20^#~23^#、46^#
PET	15^#~19^#、33^#、34^#、37^#、39^#、40^#~43^#、47^#、48^#

类别	波数/cm^-1	振动基团
PP	1 459、1 438、1 360、1 330	—CH₂的弯曲振动
	1 153、1 037、999、974、900、810、1 322	C—C的伸缩振动
	842	—CH₃的弯曲振动
	809、841	C—H的摇摆振动
PS	1 460、1 440、1 418、1 369、1 295	—CH₂的弯曲振动
PS	1 170、1 129、1 063、999	C—C的伸缩振动
PET	1 602	苯环的C—C 伸缩振动
	1 449、1 327、220	—CH₂的弯曲振动
	1 183、1 155、795、621	C—C的伸缩振动
	1 031	苯环的面内弯曲振动

类别	波数/cm^-1	振动基团
PP	1 459、1 438、1 360、1 330	—CH₂的弯曲振动
	1 153、1 037、999、974、900、810、1 322	C—C的伸缩振动
	842	—CH₃的弯曲振动
	809、841	C—H的摇摆振动
PS	1 460、1 440、1 418、1 369、1 295	—CH₂的弯曲振动
PS	1 170、1 129、1 063、999	C—C的伸缩振动
PET	1 602	苯环的C—C 伸缩振动
	1 449、1 327、220	—CH₂的弯曲振动
	1 183、1 155、795、621	C—C的伸缩振动
	1 031	苯环的面内弯曲振动

类别	样本编号
Ⅰ	1^#~3^#、6^#、7^#、10^#、14^#、24^#~30^#、35^#、36^#、38^#、44^#、45^#
Ⅱ	16^#、19^#、42^#、43^#、47^#
Ⅲ	12^#、31^#、32^#
Ⅳ	15^#、17^#、18^#、33^#、34^#、37^#、39^#~41^#、48^#
Ⅴ	4^#、5^#、8^#、9^#、11^#、13^#、20^#~23^#、46^#