在塑料回收分選、環(huán)境監(jiān)測與材料鑒別領(lǐng)域，一項技術(shù)正悄然改變傳統(tǒng)檢測手段——高光譜成像。它能夠“看穿”看似相同的塑料制品，精準識別其背后的化學(xué)本質(zhì)。那么，高光譜相機究竟是如何做到這一點的？

一、光譜指紋：每種塑料的獨特身份

高光譜相機的核心在于，它不依賴人眼可見的顏色或紋理，而是捕獲每種塑料分子固有的“光譜指紋”。當(dāng)光線照射到塑料表面時，塑料分子中不同化學(xué)鍵（如C-H、O-H、N-H等）會吸收特定波長的能量，在反射光譜上形成獨特的吸收峰和反射谷。高光譜相機能夠在可見光到紅外范圍內(nèi)，連續(xù)采集成百上千個窄波段（通常<10nm）的圖像數(shù)據(jù)，生成包含空間信息和光譜信息的“數(shù)據(jù)立方體”。通過比對每個像素點上的光譜曲線，就能像比對指紋一樣，精準判斷其材質(zhì)的真實身份。

二、不同波段的“透視眼”

要看清更多類型的塑料，需要選擇合適的光譜探測窗口。高光譜系統(tǒng)主要工作在以下幾個波段，各具優(yōu)勢。

可見光-近紅外（400-1100 nm）

這一波段主要探測分子中電子躍遷以及部分C-H、O-H鍵振動的倍頻和組合頻吸收。其優(yōu)點是技術(shù)成熟、設(shè)備成本相對較低，對聚乙烯（PE）、聚對苯二甲酸乙二醇酯（PET）等常見塑料有一定特征響應(yīng)。缺點是穿透力有限，易受塑料本身顏色、填料和添加劑的影響。

短波紅外（1000-1700 nm）

這是目前塑料分選的主力波段。它探測C-H、O-H、N-H等化學(xué)鍵振動的倍頻和組合頻吸收，信息更豐富、抗干擾能力更強。結(jié)合機器學(xué)習(xí)算法，短波紅外高光譜系統(tǒng)對聚丙烯（PP）、PE、聚氯乙烯（PVC）、PET等常見塑料的分類精度通常可達90%以上。

中波紅外（2500-5000 nm）

該波段探測分子化學(xué)鍵振動的基頻吸收，信號更強，光譜特征更直接、更顯著。由于中波紅外能夠穿透黑色塑料中吸光的炭黑，因此成為解決黑色塑料分選難題的關(guān)鍵。研究數(shù)據(jù)顯示，中波紅外高光譜對黑色塑料的分類準確率可達83.4%，而近紅外僅為47.5%。不過，中波紅外相機的成本也相應(yīng)更高。

長波紅外（8000-15000 nm）

同樣基于分子化學(xué)鍵振動的基頻吸收，但主要探測塑料自身發(fā)出的熱輻射，因此無需外部主動光源，適合被動式探測。長波紅外對某些特殊塑料有獨特的光譜響應(yīng)，但受環(huán)境溫度影響較大，目前工業(yè)應(yīng)用相對較少。

三、技術(shù)實現(xiàn)的關(guān)鍵環(huán)節(jié)

一套高光譜塑料識別系統(tǒng)通常包含以下流程：

1. 數(shù)據(jù)獲取：工業(yè)場景常用推掃式高光譜相機，安裝在傳送帶上方，隨著塑料物件連續(xù)運動，逐行掃描獲取完整的空間-光譜數(shù)據(jù)立方體。

2. 預(yù)處理：通過黑白校正消除暗電流和照明不均勻的影響；采用Savitzky-Golay濾波、小波變換等方法平滑噪聲，突出有效光譜特征。

3. 降維與分類：高光譜數(shù)據(jù)維度高，常采用主成分分析（PCA）或線性判別分析（LDA）進行降維，然后使用隨機森林、支持向量機（SVM）等機器學(xué)習(xí)算法進行分類。近年來，端到端的深度學(xué)習(xí)模型（如一維卷積神經(jīng)網(wǎng)絡(luò)）因其能自動提取深層光譜特征。

四、實際案例：

在廢舊塑料處理廠，高光譜系統(tǒng)能夠快速、非接觸地識別傳送帶上的各種塑料瓶、包裝膜和碎片，然后聯(lián)動氣吹或機械臂進行精準分選。

瓶選/片選

基于光譜成像技術(shù)，可精準識別整瓶材質(zhì)與同色異質(zhì)塑料碎片，剔除異物，實現(xiàn)高通量、高純度的自動化分選。典型的塑料光譜分選設(shè)備方案包括：機架、料倉、傳送帶、氣吹閥（高通量系統(tǒng)中主流使用）、RGB相機、中達瑞和自主研發(fā)的VIX系列短波紅外高光譜相機及其照明光源（鹵素?zé)簦?/span>。系統(tǒng)運行時，短波紅外高光譜相機與RGB相機協(xié)同工作，利用材質(zhì)的光譜與顏色差異，結(jié)合分選模型輸出識別信號，驅(qū)動智能篩選系統(tǒng)完成高效分選。

薄膜分選

在塑料回收產(chǎn)業(yè)鏈中，塑料薄膜（如包裝膜、農(nóng)膜、垃圾袋等）因其輕質(zhì)、柔軟、易纏繞、表面易污染等特點，長期被視為最難處理的回收物料之一。中達瑞和將高光譜相機安裝于高速傳送帶上方，配合線性光源照射，相機實時采集每一件物料的“光譜圖像”，嵌入的深度學(xué)習(xí)模型（如卷積神經(jīng)網(wǎng)絡(luò)或Transformer架構(gòu)）在毫秒級內(nèi)完成材質(zhì)分類，并指令高速氣閥陣列將不同材質(zhì)的薄膜精準吹入對應(yīng)的收集斗?；谶@一高光譜識別能力，系統(tǒng)對混合薄膜的分選準確率可達90%以上，為薄膜的高值化回收提供了可靠的前提。

隨著高光譜相機硬件成本的下降和數(shù)據(jù)處理速度的提升，這項技術(shù)正從實驗室走向大規(guī)模工業(yè)應(yīng)用。新一代高光譜系統(tǒng)已經(jīng)能夠?qū)崿F(xiàn)每秒數(shù)千線掃描的實時處理，可在全自動產(chǎn)線上完成“識別—決策—分選”閉環(huán)。未來，高光譜成像將推動塑料循環(huán)經(jīng)濟向更智能、更高效的方向發(fā)展。