資源的可持續發展和再利用是實現綠色、低碳、循環經濟體系的重要環節，垃圾分類是其中必不可少的一部分。隨著經濟的發展，垃圾總量逐年增長，可回收垃圾的識別和分類是將垃圾變廢為寶，實現垃圾資源化、回收再利用和節約資源的前提。

基于物理特性和圖像的識別分類方法，受環境、光照、拍攝角度、垃圾幾何形狀等因素影響準確率較低，且不能滿足精細化分類要求；紅外光譜、高光譜、熒光光譜等技術需要對檢測的垃圾樣品進行預處理，操作復雜，不能實現自動檢測。

為實現快速、自動、準確的垃圾識別和分類以供再利用，合肥工業大學盧榮勝教授團隊尋求能夠簡化和改進可回收垃圾識別和分類的有效方法。

論文截圖

根據垃圾的物質成分進行分類

2017 年，國家發改委、住房和城鄉建設部共同出臺了《生活垃圾分類制度實施方案》，2020 年底前，在重點城市的城區范圍內先行實施生活垃圾強制分類，目標之一是生活垃圾回收利用率達到 35% 以上。目前大部分城市已實行垃圾分類，但居民對垃圾分類的規定和操作方法不夠了解，因此政府增加分類知識和技巧的宣傳，制定監管制度，投入了較多的人力物力資源，但分類落實仍存在困難。

" 我們小區剛開始實行垃圾分類時，社區、物業投入了大量的精力，利用多種手段進行宣傳和監管，甚至只能在固定地點、固定時間投放垃圾。很多人覺得操作比較麻煩，感覺給生活帶來了不便，尤其獨居老人，把所有垃圾不分類扔在單元門口，增加了保潔人員工作，小區環境也受到影響 "，楊蕾副教授說，" 我們團隊一直從事物質成分檢測方面的研究，垃圾分類的目的一是減小環境污染，更重要的是對可回收垃圾進行資源再利用。資源再利用一般依據物質成分進行分類再利用，因此，基于物質成分的分類方法會有較高的準確性，如果根據物質成分實現垃圾的自動識別和分類，可以給居民、政府、回收工廠帶來更多的便利，因此我萌生了利用自己的專業知識來解決垃圾識別和分類的問題。"

LIBS 技術用于垃圾分類的特色與亮點

研究團隊開展了利用激光誘導擊穿光譜（LIBS）根據垃圾的物質成分進行識別和分類的研究，LIBS 技術是一種原子發射光譜分析技術，利用高能激光與物質互作用產生等離子體發射光譜，實現物質組分及其含量的定性和定量檢測，具有無需樣品預處理、操作簡單、快速、實時、多元素同時檢測的優點。我們采集了可回收垃圾樣品的 LIBS 光譜，利用機器學習對光譜信息進行處理。由于 LIBS 光譜中包含大量信息，若利用 LIBS 全光譜進行機器學習，不僅影響機器學習分類模型的分類效率，還會導致分類不準確，所以對光譜進行降維提取特征光譜，對降維后的光譜結合機器學習進行可回收垃圾分類?；诓煌慕稻S算法與機器學習算法的結合，我們構建了多個分類模型，根據分類結果和評估指標選擇最優模型。

用于采集可回收垃圾光譜的 LIBS 實驗系統

考慮到垃圾成分的復雜性和精確分類的重要性，針對可回收垃圾，做了兩種層面的研究，分別是面對消費者層面進行垃圾類別的分類研究，以及面對回收加工工廠層面對同類可回收垃圾進行精細分類。這項研究中，我們收集并分析了未經預處理的 80 個可回收垃圾的 LIBS 光譜，面對消費者層面將其分為紙張、塑料、玻璃、金屬、紡織品和木材六類；面對回收加工工廠層面，基于某類可回收垃圾具有特定的再利用用途，分別對金屬和塑料進行了精細分類。由于不同垃圾具有獨特的物質組分特性，該技術能準確、高效實現可回收垃圾的識別和分類，六種垃圾的識別分類和精細分類的最優模型準確率可達 100%。

部分可回收垃圾樣品圖

部分可回收垃圾樣品 LIBS 光譜圖（圖中標記為元素特征譜線）

利用 LIBS 技術對可回收垃圾分類的過程

這項工作可解決現有垃圾分類方法受環境影響、樣品需預處理、分類準確率低、不能實現精細分類、不能實現自動分類等問題，對生活工業垃圾分類、資源回收與加工工業，推進綠色生態建設，具有一定的應用價值。

產業化前景

基于物質成分分析的 LIBS 技術可以實現快速、自動、準確的可回收垃圾識別和分類、以及精細化分類，即適合生活垃圾和工業垃圾的分類，還可用于回收加工工廠。團隊在該方面做了初步的研究和分析，若要實現產業化，還需大量增加垃圾樣本種類與數量，根據加工再利用需求增加垃圾精細化分類類別。團隊目前仍在繼續該方面的研究，歡迎感興趣或能提供精細化分類樣本的企事業團隊共同探討。

參考文獻

Lei Yang,   Yong Xiang,   Yinchuan Li,   Wenyi Bao,   Feng Ji,   Jingtao Dong,   Jingjing Chen,   Mengjie Xu,   Rongsheng Lu; Identification and classification of recyclable waste using laser-induced breakdown spectroscopy technology.   AIP Advances   1 July 2023; 13 ( 7 ) : 075024.   https://doi.org/10.1063/5.014932