一种可解释塑料材质识别方法及系统
本发明涉及材料检测与信息处理,具体涉及一种结合光谱学特征与物理属性特征的塑料材质识别方法及系统,尤其涉及一种能够输出可解释证据链的塑料材质识别方法及系统。
背景技术:
1、塑料制品广泛应用于包装、日化、电子、电器、汽车和医疗等领域。不同塑料材料在回收、再加工和质量控制中的处理方式存在明显差异,例如聚乙烯pe、聚丙烯pp、聚苯乙烯ps和聚对苯二甲酸乙二醇酯pet在熔点、韧性、透明度、声学响应和光谱吸收特征上均不同。如果不能准确识别塑料材质,容易造成混料、再生料性能下降、分选成本升高和回收价值降低。
2、现有的塑料识别技术主要分为两类:基于仪器分析的方法和基于感官经验的简易鉴别法。
3、基于仪器分析的方法,特别是光谱法,因其无损、快速的特点成为研究热点。例如,公开号为cn121612832a,名称为“基于近红外光谱波长比值重建特征的塑料材质识别方法”的中国专利,以及公开号为cn119880846a,名称为“一种基于近红外光谱波谷两侧斜率的塑料材质识别方法”的中国专利,均聚焦于利用近红外光谱的特定数学特征(如比值、斜率)来区分塑料。这类方法虽然提升了机器识别效率,但其决策过程如同一个“黑箱”,用户难以理解模型为何做出某种判断,缺乏对识别结果的可解释性证据支持。一旦模型误判,不仅影响分选准确率,也难以快速定位问题原因。
4、另一方面,在非实验室环境下,操作人员常依赖传统的感官经验法(如观察透明度、测试手感硬度、听敲击声音等)对塑料进行粗略鉴别。这些方法直观但高度依赖个人经验,主观性强、一致性差,且无法形成数字化、结构化的判断记录,难以满足现代工业对过程可追溯、结果可验证的要求。公开号为cn121457586a,名称为“基于自主记忆演化的材料知识库管理方法、系统及介质”的中国专利,以及公开号为cn121641281a,名称为“生成材料知识库的方法、装置、设备、系统、介质和产品”的中国专利,展示了材料数据管理的先进方向,但并未涉及如何将这些知识与简易、高效的现场识别手段相结合,并生成易于理解的识别证据。
5、因此,需要一种兼顾低成本、可解释、可维护和扩展能力的塑料识别方案,将可量化的标准波长吸光度与人工容易获取的感官/力学/声学特征进行融合,并通过知识库和规则推理输出概率化结果,并以清晰逻辑链解释识别结论,进而提高识别稳定性和复核效率。
技术实现思路
1、本发明旨在解决上述现有技术中存在的问题,提供一种可解释塑料材质识别方法及系统。该方法通过构建结构化的材料知识库,将标准化的光谱特征(如特定波长吸光度)与一系列可量化或可描述的物理辅助特征(如透明度、硬度等)相结合,并赋予不同特征以规则和权重,实现基于规则的推理。最终不仅输出识别结果,还同步生成包含命中规则、冲突特征及置信度分析的可解释证据链,使识别过程透明化、结论可验证。
2、为实现上述技术方案,本发明提供了一种可解释塑料材质识别方法,具体包括如下步骤:
3、s1、获取待测塑料样品的标准波长吸光度特征;
4、s2、获取待测塑料样品的辅助识别特征;
5、s3、读取材料知识库,所述材料知识库采用json、数据库表或嵌入式配置文件实现,材料知识库至少包括候选塑料材料代码、标准波长吸光度范围、吸光度中心值、辅助特征规则、证据文本、特征权重和版本信息;
6、s4、针对每一种候选塑料材料分别计算光学匹配得分、辅助特征匹配得分和特征冲突惩罚项;
7、s5、根据已输入特征数量和特征可靠度,对各候选材料得分进行缺失特征归一化和概率校准,得到候选材料概率排序;
8、s6、根据最高概率、最高概率与次高概率差值、区间外距离和特征冲突程度,输出识别结果、置信度、未知材料提示或复检建议;
9、s7、将命中的规则、未命中的规则、冲突特征和推荐补充检测项生成可解释证据链。
10、优选的,所述步骤s1中,标准波长吸光度特征包括550nm吸光度,或者包括550nm吸光度与一个或多个扩展波长吸光度的组合。实际应用中,以550nm可见光波长吸光度作为核心或基础特征,降低了硬件成本和对复杂光谱仪器的依赖,使该方法更易于在现场或条件有限的环境下部署和应用。
11、优选的,所述步骤s2中,辅助识别特征包括透明度等级、手感硬度、弯折韧性、弯折白痕、断裂方式、敲击声音、表面光泽、样品厚度或颜色中的至少一种。通过系统化地定义多种直观、易于获取的物理辅助特征,使得非专业人员的感官经验能够被数字化、结构化地采集和利用,极大地扩展了该方法的适用场景和易用性。
12、优选的,所述步骤s4中,光学匹配得分的计算过程如下:对于候选材料m,设其标准波长吸光度范围为[lm, um],中心值为cm,待测样品吸光度为a,若lm≤a≤um,光学匹配得分sopt(m)=1;若a
13、优选的,所述步骤s4中,辅助特征匹配得分的计算公式为:saux(m)=σwi·match(fi, rm,i) /σwi,其中fi为第i项输入特征,rm,i为候选材料m对应规则,wi为特征权重。辅助特征匹配得分采用了加权平均计算方式,允许知识库根据特征的重要性和可靠性动态调整权重,使得识别逻辑更加灵活和智能。
14、优选的,所述步骤s4中,特征冲突惩罚项根据所述待测塑料样品的辅助识别特征与候选塑料材料的排斥规则之间的匹配关系确定。实际应用中,通过引入特征冲突惩罚项,当输入特征明确违背某种材料的固有属性时,会显著降低该材料的得分,这有效防止了违反基本常识的误判,体现了物理知识对数据驱动模型的约束和指导作用。
15、优选的,所述步骤s5中,综合评分与概率排序的具体过程如下:
16、s51、计算候选材料m的综合得分s(m):所述综合得分s(m)由光学匹配得分、辅助特征匹配得分、冲突惩罚项和可靠度系数组成,具体计算公式为:
17、s(m)=α·sopt(m)+β·saux(m)-γ·pconflict(m)+δ·rquality
18、其中α、β、γ、δ为权重;pconflict(m)为特征冲突惩罚项;rquality为数据质量系数,用于表示吸光度测量是否稳定、输入特征是否完整、样品是否存在污染或颜色干扰;
19、s52、对所有候选材料得分进行归一化,得到概率排序:p(m)=s(m)/σs(k),或者采用softmax函数进行概率校准,输出结果包括topmaterial、confidence、results和evidence,其中results为候选材料列表,evidence为每个候选材料命中的规则和冲突说明。
20、在上述方案中,综合评分机制融合了多种得分因素和数据质量系数,并通过归一化或softmax函数输出概率分布。这不仅提供了一个直观的置信度指标,其结构化的输出(如results、evidence列表)也为后续的系统集成和结果展示提供了便利的数据接口。
21、优选的,所述步骤s6中,当最高概率低于第一阈值、最高概率与次高概率差值低于第二阈值、或者所述吸光度特征与全部候选塑料材料的吸光度范围之间的距离均超过第三阈值时,输出未知材料、疑似复合材料或需补充检测的提示。实际应用中,通过设定多维度的拒识判断逻辑(如概率阈值、差值阈值、距离阈值),能够在识别置信度不足时主动提示“未知材料”或“需复检”,避免了传统方法强行给出错误结果的弊端,提升了系统的可靠性和实用性。
22、优选的,所述步骤s6中,当候选材料概率接近时,根据候选材料之间最具区分度的规则自动推荐下一项检测特征,推荐策略基于信息增益或熵减计算,具体过程为:设当前候选概率分布为p,某一待补充特征g带来的期望熵下降为ig(g),选择ig(g)最大的特征作为下一检测建议。在识别结果模糊时,系统能主动推荐最具信息增益的下一检测特征,引导用户进行补充检测,这实现了人机协同的交互式识别,可以有效降低不确定性,提高最终识别效率。
23、本发明还提供了一种可解释塑料材质识别系统,用于实现上述的识别方法,具体包括:
24、前端输入模块,用于获取待测塑料样品的标准波长吸光度特征和辅助识别特征;
25、材料知识库模块,用于存储候选塑料材料的吸光度范围、辅助特征规则、特征权重和证据文本;
26、计算模块:用于计算候选塑料材料分别计算光学匹配得分、辅助特征匹配得分和特征冲突惩罚项;
27、规则推理模块,用于根据所述吸光度特征和辅助识别特征计算各候选塑料材料的综合得分;
28、概率排序模块,用于根据所述综合得分生成候选塑料材料的概率排序和置信度;
29、解释生成模块,用于生成识别结果对应的判断依据;
30、输出模块,用于输出候选塑料材料、置信度、判断依据和复核建议;
31、反馈校准模块,所述反馈校准模块用于接收人工复核结果或实验室检测结果,并基于所述人工复核结果或实验室检测结果对材料知识库进行版本化更新;
32、未知材料拒识模块,用于在候选材料概率不满足预设置信条件时输出未知材料、疑似复合材料或需补充检测的提示。
33、本发明提供的一种可解释塑料材质识别方法及系统的有益效果在于:
34、(1)本发明通过融合光谱特征与可量化的物理辅助特征,并构建立体化的知识库规则网络,不仅提升了识别的准确性和鲁棒性,而且实现了识别过程的可解释与可追溯。通过步骤s7生成的可解释证据链,将抽象的匹配得分转化为具体的规则命中与冲突描述,使操作人员能够清晰理解识别结论的逻辑依据,极大地增强了结果的可信度与可审计性。
35、(2)本发明将550nm吸光度等可量化光学数据作为强证据,将透明度、硬度、弯折、声音等人工可采集特征作为辅助证据,实现低成本识别;通过区间外距离衰减和概率排序,避免简单查表导致的刚性误判;通过缺失特征归一化,允许用户在特征不完整时仍获得可用的概率结果;通过证据链输出,使识别过程可解释,便于教学、质检复核和结果追溯;通过未知材料拒识机制,降低知识库未覆盖材料被误判为已知材料的风险;通过下一检测特征推荐机制,指导用户以较少的补充检测提升置信度。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com