АНАЛИЗ ЦВЕТОВЫХ ХАРАКТЕРИСТИК МАКУЛАТУРЫ МАРОК MC-1A – МС-4А МЕТОДАМИ МНОГОМЕРНОГО СТАТИСТИЧЕСКОГО АНАЛИЗА

##plugins.themes.bootstrap3.article.sidebar##

Просмотров аннотации: 0
Загрузок PDF: 0
pdf (rus)
Опубликован: сен 14, 2026
DOI: https://doi.org/10.52928/2070-1616-2026-55-3-105-111
Ключевые слова:
Class A waste paper, color characteristics, color models, cluster and factor analysis, feature selection макулатура класса А, цветовые характеристики, цветовые модели, кластерный и факторный анализ, отбор признаков
Выпуск
№ 3 (2026)
Раздел
Химические технологии

##plugins.themes.bootstrap3.article.main##

М. А. ЗИЛЬБЕРГЛЕЙТ
Белорусский государственный технологический университет, Минск
И. В. НИКОЛАЙЧИК
Белорусский государственный технологический университет, Минск
Н. П. МИДУКОВ
Санкт-Петербургский государственный университет промышленных технологий и дизайна

Аннотация

Приведены результаты исследования макулатур класса А методами цветометрии. Рассмотрена система цветовых характеристик макулатуры, базирующихся на различных цветовых моделях: RGB, CMYK, HSB, Lab, в признаки было также включен показатель среднеквадратичного отклонения по серому. Цель работы – сокращение числа признаков для последующей идентификации объектов. В качестве метода обработки данных были использованы методы кластерного и факторного анализа. Показано, что агрегация признаков лишь частично совпадает с цветовой моделью, а величина среднеквадратичного отклонения по серому в большинстве случаев не агрегируется с остальными признаками.

##plugins.themes.bootstrap3.article.details##

Как цитировать
ЗИЛЬБЕРГЛЕЙТ, М. А., НИКОЛАЙЧИК, И. В., & МИДУКОВ, Н. П. (2026). АНАЛИЗ ЦВЕТОВЫХ ХАРАКТЕРИСТИК МАКУЛАТУРЫ МАРОК MC-1A – МС-4А МЕТОДАМИ МНОГОМЕРНОГО СТАТИСТИЧЕСКОГО АНАЛИЗА. Вестник Полоцкого государственного университета. Серия B. Промышленность. Прикладные науки, (3), 105-111. https://doi.org/10.52928/2070-1616-2026-55-3-105-111
Лицензия Creative Commons

Это произведение доступно по лицензии Creative Commons «Attribution» («Атрибуция») 4.0 Всемирная.

Биографии авторов

М. А. ЗИЛЬБЕРГЛЕЙТ, Белорусский государственный технологический университет, Минск

д-р хим. наук, проф.

И. В. НИКОЛАЙЧИК, Белорусский государственный технологический университет, Минск

канд. техн. наук, доц.

Н. П. МИДУКОВ, Санкт-Петербургский государственный университет промышленных технологий и дизайна

д-р техн. наук, проф.

Crossref
Scopus
Google Scholar
Europe PMC

Библиографические ссылки

Robot-assisted automated sorting techniques for plastic recycling / D. Aschenbrenner, C. Colloseus, R. Khoury et al. // 56th CIRP Conference on Manufacturing Systems, CIRP CMS ‘23, South Africa / Procedia CIRP 120. – 2023. – Р. 1232–1237. DOI: 10.1016/j.procir.2023.09.154

Deep Reinforcement Learning for Robotic Pushing and Picking in Cluttered Environment / Y. Deng, X. Guo, Y. Wei et al. // 2019 IEEE/RSJ International Conference on Intelligent Robots and Systems (IROS), Macau, China, 2019. – Р. 619–626. DOI: 10.48550/arXiv.2302.10717

Recyclable Waste Paper Sorting Using Template Matching / M. O. Rahman, A. Hussain, E. Scavino et al. // LNCS 5857, Springer-Verlag. – 2009. – Р. 467–478. DOI: 10.1007/978-3-642-05036-7_44

Faibish S., Bacakoglu H., Goldenberg A. A. An Eye-Hand System for Automated Paper Recycling // Proceedings of the 1997 IEEE, Intemational Conference on Robotics and Automatlon / Albuquerque, New Mexico, APRIL. – Р. 9–14.

Würtz Н., Breum Niels O. Exposure to Microorganisms During Manual Sorting of Recyclable Paper оf Different Quality // Ann Agric Environ Med. – 1997. – Vol. 4. – Р. 129–135.

High-Speed automated optical sorting of recovered paper / F. A. Hottenstein, G. R. Kenny, Т. Friberg et al. // Proc. TAPPI Recycling Symp. – 2000. – Vol. 1. – Р. 149–158.

Optical Sensor for Noncontact Measurement of Lignin Content in High-Speed Moving Paper Surfaces / М. Ramasubramanian, R. Venditti, С. Ammineni et al. // IEEE Sensors Journal. – 2005. – Vol. 5(5). – Р. 1132–1139. DOI: 10.1109/JSEN.2005.851007

Venditti R., Ramasubramanian M., Katuri K. A Noncontact Sensor for the Identification of Paper and Board Samples on a High Speed Sorting Conveyor // Appita Journal: Journal of the Technical Association of the Australian and New Zealand Pulp and Paper Industry. – 2007. – Vol. 60. – Iss. 5, Sept. – Р. 366–371.

Pham D. T., Alcock R. J. Image Acquisition and Enhancement; Chap. 4. Feature Extraction and Selection; Chap. 5. Classification // Smart Inspection System: Techniques and Applications of Intelligent Vision. – Academic Press, Great Britain, 2003. – Р. 38–47, 55–59, 99–102, 115–116, 133–134.

Alnihoud J. An Efficient Region-Based Approach for Object Recognition and Retrieval Based on Mathematical Morphology and Correlation Coefficient // The International Arab Journal of Information Technology (. – 2008. – Vol. 5(2). – Р. 154–162.

Comparing deep learning and support vector machines for autonomous waste sorting / G. Sakr, M. Mokbel, A. Darwich et al. // In Multidisciplinary Conference on Engineering Technology (IMCET), IEEE International. – 2016. – Р. 207–212. DOI: 10.1109/IMCET.2016.7777453

Integrated technologies for solid waste bin monitoring system / M. Arebey, M. A. Hannan, H. Basri et al. // Environmental monitoring and assessment. – 2011. – 177(1-4). – Р. 399–408. DOI: 10.1007/s10661-010-1642-x

Федоров О.В., Болгаров Н.И. Кластерный анализ и риски инновационной деятельности. – М.: Кнорус, 2009. – 157 с.

Рекомендуемые статьи автора (авторов)