Abstract
In this study, the design methodology of Radial Basis Function Neural Networks is developed with the aid of Laser Induced Breakdown Spectroscopy and also applied to the practical plastics sorting system. To identify black plastics such as ABS, PP, and PS, RBFNNs classifier as a kind of intelligent algorithms is designed. The dimensionality of the obtained input variables are reduced by using PCA and divided into several groups by using K-means clustering which is a kind of clustering techniques. The entire data is split into training data and test data according to the ratio of 4:1. The 5-fold cross validation method is used to evaluate the performance as well as reliability of the proposed classifier. In case of input variables and clusters equal to 5 respectively, the classification performance of the proposed classifier is obtained as 96.78%. Also, the proposed classifier showed superiority in the viewpoint of classification performance where compared to other classifiers.
본 연구에서는 레이저유도붕괴분광(Laser Induced Breakdown Spectroscopy, LIBS)을 이용하여 방사형 기저함수 신경회로망(Radial Basis Function Neural Networks, RBFNNs) 분류기 설계방법론을 개발하고 실제 폐소형가전제품의 플라스틱 분류 시스템에 적용하였다. ABS, PP, PS와 같은 검정색 플라스틱을 구별하기 위해, 지능형 알고리즘 중 하나인 방사형 기저함수 신경회로망 분류기를 설계하였다. 획득한 입력변수는 주성분 분석법(Principal Component Analysis, PCA)을 이용하여 축소시켰으며, 군집화기법 중 하나인 K-means 클러스터링 방법을 이용해 여러 그룹으로 분할하였다. 전체 데이터는 학습 데이터와 테스트 데이터를 4:1의 비율로 나누었으며, 제안된 분류기의 성능 및 신뢰도를 평가하기 위하여 5-FCV(5-Fold Cross Validation) 기법을 사용하였다. 입력변수와 클러스터의 개수가 각각 5개인 경우, 제안된 분류기의 분류 성능은 96.78%로 나타났다. 또한, 제안된 분류기는 다른 분류기들과 비교하였을 경우 분류 성능의 관점에서 우수성을 보여주었다.
