(General session) Recycling［Tue. Sep 12, 2023 PM Room-5］

[1501-09-05] [Student presentation: Master’s course] Improving plastic identification accuracy using machine learning

○nagayoshi takaaki¹, hityosi ohya¹, yasuo tutiya², akihiro tutiya² (1. THE UNIVERSITY OF KITAKYUSHU, 2. Cap Co. Ltd.)

Chairperson: Mayumi Ito (Hokkaido University)

Keywords:AI, black plastic, raman spectroscopy

現在自動車に用いられているプラスチック(PP,PS,ABS)である黒色プラスチックは現在そのほとんどが焼却処理または熱回収が行われている。循環型社会の構築において、そのマテリアルリサイクルが求められている。高位なリサイクルであるマテリアルリサイクルには樹脂プラスチックごとの選別が必要となる。一般に白色プラスチックは、液赤外線を照射し反射した波長から樹脂の分子構造を捉える近赤外線分光やラマン分光法により選別が行われている。しかし、黒色プラスチックは色素により赤外線を吸収してしまいスペクトルデータにノイズが現れ、分子構造由来のピークのみでの識別が難しくなる。本研究では、近年注目されているAIの中でも機械学習に着目し、ノイズデータから識別に必要な特徴量を抽出することを目的としている。
　今回、ラマン分光法により測定したスペクトルデータをデータ処理し、樹脂を2つに分けるため機械学習のアルゴリズムとして2次元プロットや3次元プロットから2つの領域に分けることを可能とするサポートベクターマシーン（SVM）を用いた3種類のプラスチックの識別を行い、識別率とデータ間の距離で識別精度の評価を行った。