基于NIR-AI融合的废旧塑料材质在线识别与分拣决策系统研发

Abstract

针对废旧塑料回收过程中传统分拣方式效率低、精度差，常规近红外（NIR）识别技术对深色、老化、改性塑料识别鲁棒性不足，且缺乏适配工业场景的在线分拣全流程闭环系统等痛点，本文研发了一套基于NIR-AI融合的废旧塑料材质在线识别与分拣决策系统。首先设计了“采集-预处理-识别-决策-执行”的软硬件一体化系统架构；其次优化了光谱预处理流程，提出了融合注意力机制的轻量级一维卷积神经网络（1D-CNN）识别模型；最后设计了置信度分级、时序匹配、速度自适应的分拣决策算法。实验结果表明，该系统对8种常见废旧塑料的实验室静态识别准确率达99.32%，在2m/s的工业线速下在线分拣平均准确率达98.75%，对黑色、老化污染塑料的识别准确率均超96%，兼具高精度、高实时性与强鲁棒性，可为废旧塑料高值化回收提供技术支撑。