4. 光学分选技术应用

光学分选是废塑料再生链条中决定产品纯度和附加值的关键工序。它利用塑料在特定波段下的光学响应差异，在物料高速流动的瞬间完成“识别—判断—执行”三步动作。本节围绕近红外识别、颜色分选和激光分选三条主流技术路线，讲清各自的工作原理、适用塑料种类，以及把分选精度稳定控制在目标范围内的工程方法。

一、近红外识别：按“分子指纹”分材质

近红外（NIR）分选的核心是光谱吸收特征。塑料中的 C—H、O—H、N—H 等化学键在 900～1700 nm 波段产生特征倍频与合频吸收，不同树脂的吸收峰位置和形状不同，形成可区分的“光谱指纹”。物料以单层、单颗粒间距通过检测区，卤素光源或宽谱光源照射后，漫反射光进入光谱仪，得到一条吸收光谱；分类算法将其与谱库比对，判定材质类别，再由气阀在物料到达喷嘴位置的瞬间喷出压缩空气，把目标物吹入对应料道。

NIR 对常见包装类塑料识别效果最好：PET、HDPE、LDPE、PP、PS、PVC、ABS、PC 以及 PA 等都有较成熟的光谱模型。需要特别注意的是，黑色和深色塑料因炭黑强烈吸收近红外光，反射信号极弱，普通 NIR 难以识别，需改用中红外或专用黑色塑料识别方案；多层复合、含金属镀层、表面严重污染或贴有大面积标签的物料也会造成误判。因此 NIR 分选前通常要求物料已破碎、单层铺开、表面无明显泥沙。

精度控制上，NIR 分选机的关键可调参数包括：给料速度（决定物料在检测区的重叠概率）、检测区物料单层化程度、光谱采集积分时间、分类阈值与置信度门限、气阀开启延时与持续时间、压缩空气压力。工程上常以“纯度—回收率”权衡来设定阈值：提高置信度门限可减少误吹、提升目标料纯度，但会漏吹更多目标物、降低回收率。实际调试时，先固定给料速度与气压，用已知材质的标准样片或已人工分拣的验证批跑一遍，统计目标料道中目标材质的质量占比（纯度）和尾料中目标材质的残留比例（损失率），再微调阈值与气阀延时，直到两项指标同时满足合同要求。

二、颜色分选：按可见光反射差异分色

颜色分选基于可见光波段的反射率差异。物料经过光源照射，高分辨率线阵相机或 RGB 传感器采集图像，系统将像素转换到 HSV 或 Lab 色彩空间，与预设颜色阈值比较，判定为合格色、异色或杂质，再由高速气阀剔除。与 NIR 关注“是什么材质”不同，颜色分选关注“看起来是什么颜色”，因此它既能剔除异色颗粒，也能剔除同色但材质不同的杂质（如 PET 瓶片中混入的白色 PVC 片，颜色相近但可通过形状与纹理辅助判断）。

颜色分选适用于绝大多数有颜色区分的场景：PET 瓶片按透明、浅蓝、浅绿、杂色分选；HDPE 瓶按本色、白色、有色分选；ABS、PP 家电料按黑、白、灰、彩色分离。它对黑色物料同样有效，这是相对 NIR 的优势。局限在于：颜色相近但材质不同的物料难以区分；表面污渍、标签残留、光照不均会造成误判；对透明物料的微小色差敏感度有限。

精度控制要点包括：光源稳定性与色温一致性（老化灯管会导致阈值漂移，需定期校准白板）、相机曝光与白平衡、颜色阈值区间宽度、最小识别面积（过滤小污点）、气阀响应时间与物料飞行时间匹配。调试时用标准色卡或已知颜色的验证批建立基线，再逐步收紧阈值区间，观察异色剔除率与合格料误剔率的变化。一般原则是：先保证异色剔除率达标，再在可接受误剔率范围内收窄阈值。

三、激光分选：高光谱与拉曼的精细识别

激光分选通常指以激光为激发源或光源的精细识别技术，常见两类：一是激光拉曼光谱，用激光激发分子振动产生拉曼散射，获得比 NIR 更锐利、更具特异性的分子结构信息，能区分 NIR 难以分辨的材质，如 PET 与 PETG、不同牌号的 PA、部分黑色塑料；二是激光诱导击穿光谱（LIBS），用高能激光在物料表面产生等离子体，分析元素发射谱，可识别含卤素（如 PVC 中的氯）、含阻燃剂或含特定填料的塑料。激光分选识别精度高，但单点检测速度慢、设备成本高，多用于 NIR 之后的精细提纯或高附加值场景。

其精度控制更依赖采样代表性：激光光斑位置、物料表面清洁度、检测点数量都会影响判定。工程上常采用“多点采样 + 投票”策略，对同一颗粒采集 2～3 个点，多数一致才判定，以降低表面污染导致的偶发误判。同时需控制物料在检测区的停留时间与运动稳定性，避免光斑偏离。

四、三条路线的协同与精度管理

实际产线很少只用一种光学手段。典型配置是“颜色分选先行、NIR 主分材质、激光精细提纯”：颜色分选先剔除明显异色与杂质，减轻后续负荷；NIR 按材质分流；对纯度要求极高的批次再用激光分选做最后把关。精度管理应建立可追溯的验证机制：每班次用标准样片或验证批检查各料道的纯度与损失率，记录给料速度、气压、阈值等参数，发现漂移及时校准光源与相机。只有把“识别原理—适用边界—参数调试—结果验证”串成闭环，光学分选才能真正稳定输出合格再生料。