准确管理和分类废物以供再利用是环境保护领域日益严峻的挑战。针对这个问题，中国合肥工业大学的研究人员开始在废物管理领域进行创新，寻找能够简化和改进可回收废物识别和分类的有效方法。
研究人员深入研究了废物管理的复杂性，探索了激光诱导击穿光谱技术在可回收废物识别和分类中的应用，并在AIP 出版社的《AIP Advances》中讨论了他们的工作。他们收集并分析了 80 个可回收废物样本的光谱，并根据 LIBS 光谱将它们分类为纸张、塑料、玻璃、金属、纺织品和木材。废物管理优化的这一关键步骤表明，在提高环境可持续性和促进资源再利用方面取得了重大进展。
“我们首次使用LIBS技术来识别和分类可回收垃圾，”作者雷阳说。“该方法检测结果准确、可靠、快速，并且可以实现自动检测。”
考虑到废料的复杂性和精确分类的重要性，研究人员进一步将金属和塑料细分为子类别。凭借其独特的特性，每个废物子类都具有特定再利用和回收实践的独特潜力，这使得准确识别和分类成为解锁高效废物管理解决方案的关键。
该研究方法采用了一系列机器学习模型来进一步推进识别过程。在探索的模型中，线性判别分析（LDA）和随机森林（RF）的组合成为可回收废物分类的最佳模型。此外，对于金属和塑料的细分，主成分分析和 RF 的结合被认为是最有效的。
研究人员对 LDA 与 RF 模型在可回收垃圾分类方面的准确性感到震惊，准确率达到 100%。对于金属和塑料的细分，PCA(9D) + RF 模型的准确率最高。这些结果表明该方法在提高回收效率和废物管理实践方面的潜力。
“最让我们惊讶的是，利用LIBS技术进行分类识别，无需对废弃物进行任何预处理，结果令人满意。”杨说。
在他们的研究成果的推动下，该团队渴望在未来扩大他们的工作。他们计划通过增加废物样本的数量并纳入厨房废物等其他形式的废物来加强研究。此外，他们希望通过 LIBS 加深对透明玻璃检测的理解，为回收和废物管理开辟新途径。
