一、檢測目的與依據

1、采用900-1700nm近紅外高光譜相機，采集PVC、ABS、POM、PP、PPS五種混測塑料的光譜圖像融合數據，覆蓋塑料材質識別核心近紅外波段；

2、依托高光譜無損檢測技術，實現五種工程塑料材質成分的快速甄別與特征提取，無需破損樣品即可完成材質區分；

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集進行比對分析與模型驗證，完成多材質塑料混料無損識別技術的實驗論證，實現工業化檢測落地應用。

二、樣品類別及數量

樣本：測試實驗客戶來樣塑料混料樣品；數量：5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。

五、高光譜數據分析結果