一、檢測目的與依據

1、采用900-1700nm近紅外高光譜成像設備，采集PVC、ABS、POM、PP四類混合塑料樣品的光譜圖像融合數據，依托不同塑料分子結構對應的專屬光譜指紋特征，獲取精準材質光譜信息；

2、基于高光譜無損光學檢測技術，無需破壞、拆分待測塑料樣品，快速精準識別混合樣品中PVC、ABS、POM、PP各類塑料材質成分，規避傳統人工分辨、化學檢測的弊端；

3、結合機器學習、深度學習人工智能算法，對混測塑料光譜數據開展比對、驗證與建模分析，優化材質識別精度，實現混合塑料多材質無損快速鑒別技術的實驗驗證與工業化落地應用，適配塑料分選、原料質檢、廢料回收等場景。

二、樣品類別及數量

樣本：測試實驗客戶來樣樣品；數量：4片

三、檢測設備與采集方式

檢測設備

1.  900-1700nm高光譜相機

2. 輔助設備：光學暗箱（配備350-2500nm光源及放樣移動平臺）；

3.  輔助工具：黑色托盤（低反射率背景，避免環境光干擾光譜采集）；

4. 輔助材料：標簽（用于標記樣品編號，實現光譜數據與樣品的精準對應）。

采集方式

1、樣品擺放：

a、將樣品按圖示要求，整齊擺放在黑色托盤上

2、數據采集模式：

采用反射模式，采集樣品900-1700nm波段的反射率數據；

3、設備調參：

調節相機高度，使相機視場可以覆蓋所有樣品

調節鏡頭光圈到最大：F1.4

調節鏡頭焦距，使樣品圖像最清晰

調整曝光時間至適宜值，避免采集數據出現過曝現象，保證光譜數據準確性。

四、采集結果

數據提供

本次檢測為每個樣品提供以下6種格式的完整數據文件，確保數據可追溯、可分析：

a、樣本900-1700nm原始數據（.dat、.hdr格式），完整保留原始采集信息，支持二次分析與模型優化；

b、樣本900-1700nm反射率數據（.dat、.hdr格式，經標準板校準，可直接用于模型訓練擬合，確保數據的可靠性；

c、樣本900-1700nm高光譜圖像（.png格式），

d、提供樣品擺放實拍圖（.jpg格式），留存原始擺放狀態，便于數據追溯與異常排查，保障檢測流程的可追溯性。

高光譜數據分析結果圖