1 |
1
라만분광법에 의한 블랙플라스틱 선별을 위한 전처리기반 지능분류 방법으로서,(1) 라만 분광장비를 이용하여 블랙 플라스틱 재질별(PET, PP, PS) 스펙트럼 데이터가 획득되는 단계;(2) 주성분 분석법(PCA) 알고리즘을 통해 상기 단계 (1)을 통해 획득된 블랙 플라스틱 재질별 스펙트럼 데이터가 전처리되는 단계;(3) 상기 단계 (2)를 통해 전처리된 데이터가 SVM(Support Vector Machine) 패턴 분류기에 입력되고, 상기 SVM 패턴 분류기가 상기 블랙 플라스틱 재질별 화학적 특성에 대해 학습하는 단계; 및(4) 임의로 입력되는 블랙 플라스틱에 대해, 상기 단계 (1) 내지 단계 (3)을 통해 학습된 SVM 패턴 분류기를 이용하여, 상기 입력된 블랙 플라스틱들이 재질별 화학적 특성에 기반 하여 분류되는 단계를 포함하는 것을 특징으로 하는, 라만분광법에 의한 블랙플라스틱 선별을 위한 전처리기반 지능분류 방법
|
2 |
2
제1항에 있어서, 상기 단계 (1)에서는,상기 블랙 플라스틱 재질별(PET, PP, PS)로 획득되는 스펙트럼 데이터로부터 상기 블랙 플라스틱 재질별(PET, PP, PS) 화학적 특성을 고려한 피크 점 영역이 겹치지 않는 특성피크가 각각 3개씩 선정되어 추출되는 과정을 더 포함하는 것을 특징으로 하는, 라만분광법에 의한 블랙플라스틱 선별을 위한 전처리기반 지능분류 방법
|
3 |
3
제2항에 있어서, 상기 단계 (1)에서는,상기 블랙 플라스틱 재질별(PET, PP, PS) 특성피크를 기준으로 양 옆의 5개의 파장 영역대의 세기 값(intensity value)까지 고려된 고차원의 입력 변수를 생성하는 과정을 더 포함하는 것을 특징으로 하는, 라만분광법에 의한 블랙플라스틱 선별을 위한 전처리기반 지능분류 방법
|
4 |
4
제1항 내지 제3항 중 어느 한 항에 있어서, 상기 단계 (2)에서는,상기 주성분 분석법 알고리즘을 통해 상기 단계 (1)에서 상기 블랙 플라스틱 재질별 화학적 특성이 고려되어 추출되고 선정된 고차원의 입력 변수를 저차원의 입력 변수로 변환하는 전처리 과정이 수행되는 것을 특징으로 하는, 라만분광법에 의한 블랙플라스틱 선별을 위한 전처리기반 지능분류 방법
|
5 |
5
제4항에 있어서, 상기 단계 (2)는, 상기 주성분 분석법의 알고리즘을 이용한 전처리 과정으로,(2-1) 인식을 위한 학습 데이터의 집합을 구성하는 단계;(2-2) 학습 데이터의 집합에서 데이터 집합을 평균을 계산하는 단계;(2-3) 학습 데이터와 학습 데이터의 평균의 차를 계산하는 단계;(2-4) 인식을 위해 학습 데이터에서 공분산 행렬을 계산하는 단계;(2-5) 고유값 분석을 통해 공분산 행렬의 고유값 행렬과 고유 벡터 행렬을 계산하고 가장 큰 고유값을 갖는 특정 개수를 선택하는 단계; 및(2-6) 각 데이터와 특정 개수의 고유 벡터를 가지는 변환 행렬에서 선형변환에 의한 축소된 특징 데이터를 추출하는 단계를 포함하여 이루어지는 것을 특징으로 하는, 라만분광법에 의한 블랙플라스틱 선별을 위한 전처리기반 지능분류 방법
|
6 |
6
제4항에 있어서, 상기 단계 (3)에서는,상기 SVM 패턴 분류기의 분류기 성능의 신뢰성을 높이기 위한 5배 교차 유효성 검사를 위한 5-fold cross validation이 사용되는 것을 특징으로 하는, 라만분광법에 의한 블랙플라스틱 선별을 위한 전처리기반 지능분류 방법
|
7 |
7
제4항에 있어서, 상기 단계 (4)는,(4-1) 임의의 플라스틱이 입력되는 단계;(4-2) 라만 분광장비를 통해 상기 단계 (4-1)을 통해 입력된 블랙 플라스틱의 스펙트럼 데이터가 획득되는 단계;(4-3) 상기 단계(4-2)를 통해 획득된 블랙 플라스틱의 스펙트럼 데이터가 차원 축소의 전처리 과정이 수행되는 단계; 및(4-4) 상기 단계 (4-3)을 통해 전처리된 데이터가 상기 단계 (1) 내지 단계 (3)을 통해 학습된 SVM 패턴 분류기에 입력되어 상기 임의로 입력된 블랙 플라스틱이 재질별로 분류되는 단계를 포함하는 것을 특징으로 하는, 라만분광법에 의한 블랙플라스틱 선별을 위한 전처리기반 지능분류 방법
|