在塑料回收分选、环境监测与材料鉴别领域，一项技术正悄然改变传统检测手段------高光谱成像。它能够"看穿"看似相同的塑料制品，精准识别其背后的化学本质。那么，高光谱相机究竟是如何做到这一点的？
一、光谱指纹：每种塑料的独特身份
高光谱相机的核心在于，它不依赖人眼可见的颜色或纹理，而是捕获每种塑料分子固有的"光谱指纹"。当光线照射到塑料表面时，塑料分子中不同化学键（如C-H、O-H、N-H等）会吸收特定波长的能量，在反射光谱上形成独特的吸收峰和反射谷。高光谱相机能够在可见光到红外范围内，连续采集成百上千个窄波段（通常<10nm）的图像数据，生成包含空间信息和光谱信息的"数据立方体"。通过比对每个像素点上的光谱曲线，就能像比对指纹一样，精准判断其材质的真实身份。
二、不同波段的"透视眼"
要看清更多类型的塑料，需要选择合适的光谱探测窗口。高光谱系统主要工作在以下几个波段，各具优势。
可见光-近红外（400-1100 nm）
这一波段主要探测分子中电子跃迁以及部分C-H、O-H键振动的倍频和组合频吸收。其优点是技术成熟、设备成本相对较低，对聚乙烯（PE）、聚对苯二甲酸乙二醇酯（PET）等常见塑料有一定特征响应。缺点是穿透力有限，易受塑料本身颜色、填料和添加剂的影响。
短波红外（1000-1700 nm）
这是目前塑料分选的主力波段。它探测C-H、O-H、N-H等化学键振动的倍频和组合频吸收，信息更丰富、抗干扰能力更强。结合机器学习算法，短波红外高光谱系统对聚丙烯（PP）、PE、聚氯乙烯（PVC）、PET等常见塑料的分类精度通常可达90%以上。
中波红外（2500-5000 nm）
该波段探测分子化学键振动的基频吸收，信号更强，光谱特征更直接、更显著。由于中波红外能够穿透黑色塑料中吸光的炭黑，因此成为解决黑色塑料分选难题的关键。研究数据显示，中波红外高光谱对黑色塑料的分类准确率可达83.4%，而近红外仅为47.5%。不过，中波红外相机的成本也相应更高。
长波红外（8000-15000 nm）
同样基于分子化学键振动的基频吸收，但主要探测塑料自身发出的热辐射，因此无需外部主动光源，适合被动式探测。长波红外对某些特殊塑料有独特的光谱响应，但受环境温度影响较大，目前工业应用相对较少。
三、技术实现的关键环节
一套高光谱塑料识别系统通常包含以下流程：
-
数据获取：工业场景常用推扫式高光谱相机，安装在传送带上方，随着塑料物件连续运动，逐行扫描获取完整的空间-光谱数据立方体。
-
预处理：通过黑白校正消除暗电流和照明不均匀的影响；采用Savitzky-Golay滤波、小波变换等方法平滑噪声，突出有效光谱特征。
-
降维与分类：高光谱数据维度极高，常采用主成分分析（PCA）或线性判别分析（LDA）进行降维，然后使用随机森林、支持向量机（SVM）等机器学习算法进行分类。近年来，端到端的深度学习模型（如一维卷积神经网络）因其能自动提取深层光谱特征，表现更为优越。
四、实际案例：
在废旧塑料处理厂，高光谱系统能够快速、非接触地识别传送带上的各种塑料瓶、包装膜和碎片，然后联动气吹或机械臂进行精准分选。
瓶选/片选
基于光谱成像技术，可精准识别整瓶材质与同色异质塑料碎片，剔除异物，实现高通量、高纯度的自动化分选。典型的塑料光谱分选设备方案包括：机架、料仓、传送带、气吹阀（高通量系统中主流使用）、RGB相机、中达瑞和自主研发的VIX系列短波红外高光谱相机及其照明光源（卤素灯）。系统运行时，短波红外高光谱相机与RGB相机协同工作，利用材质的光谱与颜色差异，结合分选模型输出识别信号，驱动智能筛选系统完成高效分选。
薄膜分选
在塑料回收产业链中，塑料薄膜（如包装膜、农膜、垃圾袋等）因其轻质、柔软、易缠绕、表面易污染等特点，长期被视为最难处理的回收物料之一。中达瑞和将高光谱相机安装于高速传送带上方，配合线性光源照射，相机实时采集每一件物料的"光谱图像"，嵌入的深度学习模型（如卷积神经网络或Transformer架构）在毫秒级内完成材质分类，并指令高速气阀阵列将不同材质的薄膜精准吹入对应的收集斗。基于这一高光谱识别能力，系统对混合薄膜的分选准确率可达90%以上，为薄膜的高值化回收提供了可靠的前提。
随着高光谱相机硬件成本的下降和数据处理速度的提升，这项技术正从实验室走向大规模工业应用。新一代高光谱系统已经能够实现每秒数千线扫描的实时处理，可在全自动产线上完成"识别---决策---分选"闭环。未来，高光谱成像将推动塑料循环经济向更智能、更高效的方向发展。