Abstract
Бұл зерттеуде пластикалық контейнерлерді тиімді сұрыптау үшін конволюционды нейрондық желілерді (CNN) және ұзақ қысқа мерзімді жадты (LSTM) біріктіретін гибридті нейрондық желі архитектурасын пайдалануды қарастырады. Зерттеу жақын инфрақызыл (NIR) спектроскопиялық құрылғысымен алынған, химиялық құрамы мен ластану деңгейіне байланысты пластикалық қалдықтарды жіктеуге бағытталған. Эксперимент нәтижелері CNN+LSTM гибридті моделі пластиктердің әртүрлі түрлері мен түстерін тану, соның ішінде контейнерлердегі ластаушы заттарды анықтауда салыстырмалы түрде жоғары дәлдікке қол жеткізетінін көрсетеді. Модельдің өнімділігін салыстырмалы бағалау логистикалық регрессия, ішінара ең кіші квадраттар (PLS) және сызықтық дискриминантты талдау (LDA) сияқты дәстүрлі жіктеу әдістерімен жүргізілді. Нәтижелер CNN+LSTM үлгісі дәстүрлі тәсілдерге қарағанда, әсіресе класстар арасындағы спектрлік айырмашылықтары аз сценарийлерде тиімдірек жұмыс істейтінін көрсетеді. Бұл зерттеу пластикалық қалдықтарды сұрыптау және қайта өңдеу процестерінің тиімділігін арттыру үшін машиналық оқытудың әлеуетін көрсетеді, осылайша экологиялық тұрақтылықты жақсартуға ықпал етеді.