首页期刊导航|上海塑料
期刊信息/Journal information
上海塑料
上海塑料

张国春

季刊

1009-5993

shsl@chinajournal.net.cn

021-52307907

200052

上海市定西路739号3楼

上海塑料/Journal Shanghai Plastics
查看更多>>本刊综述世界及我国塑料工业的发展趋势和动态,及时刊登全国各地科研成果和学术论文,重点报导塑料加工新工艺,新技术,新设备,新产品等方面的新成果。
正式出版
收录年代

    CHINAPLAS 2024国际橡塑展:巴斯夫与沃莱新材携手打造光伏行业的创新可持续整体解决方案

    53页

    基于高光谱结合机器学习对塑料瓶盖的快速分类研究

    周飞翔姜红钟方昊周贯旭...
    54-59页
    查看更多>>摘要:为建立一种快速无损分类塑料瓶盖的方法,采用高光谱成像技术对48个塑料瓶盖样品进行检验.首先对原始光谱进行预处理,再分别采用主成分分析法、偏最小二乘-判别分析法和竞争自适应重加权采样法构建高光谱数据集,并对数据集分别使用支持向量机、多层感知机模型和卷积神经网络进行训练.结果表明:利用竞争自适应重加权特征提取构建的塑料瓶盖高光谱图像,在卷积神经网络中的测试集准确率达到了 100%.该方法方便快捷,对样品无损且用量少,为塑料瓶盖的分类提供了有力的支持.

    高光谱技术塑料瓶盖偏最小二乘-判别分析竞争自适应重加权采样卷积神经网络

    巴斯夫涂料业务部与英力士汽车就其全球车身与涂装项目签署全球首选合作伙伴协议

    59页

    基于粒子群优化BP神经网络对保险杠的XRF光谱分类研究

    周贯旭姜红周飞翔满吉...
    60-64页
    查看更多>>摘要:建立了一种快速无损检验保险杠的分析方法.利用手持式X射线荧光光谱仪对50个保险杠样品进行了元素种类及含量的测量,根据K-means算法与轮廓系数、簇内误差平方和(SSE)的关系,确定最佳聚类数为5,即通过K-means聚类算法将50个样品分为5类.运用随机森林(RF)算法对样品的X射线荧光(XRF)光谱数据进行特征提取.根据RF算法提取的不同特征变量组合建立反向传播神经网络(BPNN)和粒子群(PSO)优化的BPNN(PSO-BPNN),结果表明:当输入变量为Ca-Pb-Sr 3种元素变量时,BPNN和PSO-BPNN均具有较好的分类效果,分类准确率分别为94%和98%;PSO-BPNN模型更适合此类样品的XRF光谱数据;XRF与PSO-BPNN相结合可以对保险杠实现有效分类.该方法简单、快速且无损样品,可为保险杠类物证鉴定提供科学依据.

    X射线荧光光谱保险杠粒子群优化算法BP神经网络