近红外光谱鉴别废旧塑料的测量方案
近红外光谱鉴别废旧塑料的测量方案
为了回收废旧塑料，首先应将其鉴别和分类因为待处理再生的废弃塑
料及其制成的部件都是混杂的，很多系由复合材料制成，其中不仅包括不同种
类的塑料，还包含塑料以外的各种材料（如金属、纺织品等）。
此外，有些塑
料部件还是由不同层状材料制得的。
因此，废旧塑料的鉴别，是再生处理的第
一步。
而实际上，这种鉴别和分离操作是同时进行的，即鉴别系统和分离装置
组成全自动连续分离生产线。
近年来，这种生产线在西欧一些废旧塑料回
收厂已相继建成和投产。
对于废旧塑料的鉴别，已有多种可应用的方法，其中
NIR法无疑是最吸引人的先进技术之一，并已获得了工业应用。
本文除介绍
NIR技术的原理、优点，特别是在欧洲已投入生产的鉴别废旧塑料的NIR系统。
NIR吸收很适合用于分析透明的或淡色的聚合物，且相当快捷和可靠，
对常见的一些废旧塑料（如PE、PP、PVC、PS、ABS、PET、PC、PA、PU等）它们的NIR光谱均不同，易于识别。
在NIR光谱范围（波数为14300-4000cm-1，波长为750-2500nm）内，
对体积大、光径长的试样（如塑料瓶），其图谱也可准确记录，这对于鉴别废
旧塑料具有重要的实际意义。
NIR图谱中的C-H、O-H、N-H及C-O谱带，可
用于鉴别大多数常用塑料。
例如HDPE的NIR谱在1200nm附近显示一特征峰，而PET则不具备此特征峰，PVC在此处的吸收峰也很小。
但在2100-2200nm
范围的PET显示有三个特征峰。
近红外技术鉴别废旧塑料的优点采用NIR技术鉴别废旧塑料具有一系列
优点。
*NIR的光检测器响应时间短、灵敏度高、穿透试样能力比中红外深，。
红外光谱法测塑料的材质标准
红外光谱法测塑料的材质标准一、聚合物类型红外光谱法可以用来确定塑料的聚合物类型。
不同种类的聚合物具有不同的红外光谱特征，通过分析红外光谱图，可以确定塑料样品中主要的聚合物类型。
二、结晶度红外光谱法也可以用于评估塑料样品的结晶度。
结晶度是指聚合物中结晶区域所占的比例。
不同结晶度的聚合物将表现出不同的红外光谱特征，通过测定这些特征可以评估样品的结晶度。
三、添加剂红外光谱法还可以用于检测塑料样品中的添加剂，如增塑剂、抗氧化剂、紫外线稳定剂等。
这些添加剂通常具有独特的红外光谱特征，通过分析红外光谱图可以确定其种类和含量。
四、化学结构红外光谱法可以用于确定塑料样品的化学结构。
不同聚合物具有不同的化学结构，这使得它们在红外光谱图中表现出不同的特征峰。
通过分析特征峰的位置和强度，可以确定塑料样品的化学结构。
五、分子量虽然红外光谱法不能直接测定聚合物样品的分子量，但它可以提供有关分子量的信息。
例如，通过分析红外光谱图中特定峰的波数位置，可以确定聚合物样品的平均分子量范围。
六、热稳定性红外光谱法可以用于评估塑料样品的热稳定性。
通过在逐渐升高的温度下测量红外光谱图的变化，可以确定聚合物样品开始分解的温度，从而评估其热稳定性。
七、弹性模量红外光谱法不能直接测定塑料样品的弹性模量，但可以提供有关其弹性的信息。
例如，通过分析红外光谱图中特定峰的波数位置和强度，可以确定聚合物样品的刚性和韧性，从而提供关于其弹性模量的线索。
八、热膨胀系数虽然红外光谱法不能直接测定塑料样品的热膨胀系数，但它可以提供有关该特性的信息。
例如，通过分析红外光谱图中特定峰的波数位置随温度的变化，可以推断出聚合物样品的热膨胀系数。
九、密度虽然红外光谱法不能直接测定塑料样品的密度，但它可以提供有关该特性的信息。
例如，通过分析红外光谱图中特定峰的波数位置和强度，可以推断出聚合物样品的密度范围。
十、折射率虽然红外光谱法不能直接测定塑料样品的折射率，但它可以提供有关该特性的信息。
红外光谱法测试塑料组成(含测试仪器)
红外光区的划分
红外光谱波长范围约为 0.75 ~ 1000µm，一般换 算为波数。根据仪器技术和应用不同，习惯上又将 红外光区分为三个区： 近红外光区（0.75 ~ 2.5µm ） 13158-4000 cm-1 近红外光区 分子化学健振动的倍频和组合频。 分子化学健振动的倍频和组合频。 中红外光区（ 中红外光区（2.5 ~ 25µm ） 4000 ~ 400 cm-1 化学健振动的基频 远红外光区（25 ~ 1000 µm ） 400-10 cm-1 远红外光区 骨架振动， 骨架振动，转动
一、红外光谱仪知识简介
红外分光光度计是获得物质红外吸收光谱图 的仪器。按分光原理可分两大类： 1.色散型分光光度计：主要部件有光源、吸收 池、单色器、检测器。 2.傅里叶变换红外光谱仪：主要部件有光源、 干涉计、样品仓、检测器、计算机、记录器。
红外光谱图：当一束连续变化的各种波长的红外 光照射样品时，其中一部分被吸收，吸收的这部 分光能就转变为分子的振动能量和转动能量；另 一部分光透过，若将其透过的光用单色器进行色 散，就可以得到一谱带。若以波长或波数为横坐 标，以百分吸收率或透光度为纵坐标，把这谱带 记录下来，就得到了该样品的红外吸收光谱图， 也有称红外振-转光谱图。 物质的红外光谱是其分子结构的反映，谱图中的吸 收峰与分子中各基团的振动形式相对应。
3.傅立叶红外光谱仪维护方法
1、温度：测定时实验室的温度应在15～30℃，相 对湿度应在65%以下，所用电源应配备有稳压装置 和接地线。因要严格控制室内的相对湿度，因此红 外实验室的面积不要太大，能放得下必须的仪器设 备即可，但室内一定要有除湿装置。 2、除湿：为防止仪器受潮而影响使用寿命，红外 实验室应经常保持干燥，即使仪器不用，也应每周 开机至少两次，每次半天，同时开除湿机除湿。特 别是霉雨季节，最好是能每天开除湿机 。
用红外光谱鉴定塑料成分
聚乙烯的红外吸收光谱测绘姓名：杨力生班级：化学生物学2012级1班学号：20122994摘要：本实验采用红外光谱对塑料成分进行了定性分析，旨在掌握红外分光光度的工作原理及其使用方法。
本实验测得该塑料成分为聚乙烯。
关键词：塑料，红外光谱Abstract:The experiment using infrared spectroscopy carried out a qualitative analysis of plastic components , Seeks to grasp the working principle of infrared spectrophotometric methods of use thereof. This experiment measured the plastic component is polyethylene.Keywords:plastic，Infrared Spectroscopy塑料种类繁多，不同塑料有不同的性质和用途，鉴定塑料制品中的材料成分对生产和科研都有重要意义。
通常人们从塑料的物理性质进行判断，比如常见塑料中，PE、PP的密度比水小，PVC燃烧时有刺激性气味，PS为透明材料，而ABS不透明等，但这都是大致的判断，要想弄清塑料的确切成分，还需依靠精确的分析方法，光谱分析就是其最重要的分析方法之一。
红外光谱分析是鉴定有机物成分的重要分析方法，其基本原理是：将红外光照射在被检材料上，通过检测材料吸收（或透过）光的强弱来判断有机物的分子结构。
由于不同的物质具有不同的分子结构，其吸收不同的能量而产生相应的红外吸收光谱，因此用仪器测绘试样的红外吸收光谱，然后根据各种物质的红外特征吸收峰位置、数目、相对强度和形状（峰宽）等参数，就可推断试样中存在哪些基团，并确定其分子结构，这就是红外光谱的定性和结构分析的依据；同一物质不同浓度时，在同一吸收峰位置具有不同的吸收峰强度，在一定条件下物质浓度与特征吸收峰强度成正比关系，这就是红外光谱的定量分析依据。
利用红外显微光谱技术鉴定材料组分的操作要点
利用红外显微光谱技术鉴定材料组分的操作要点红外显微光谱技术是一种常用于材料鉴定和分析的非破坏性测试方法。
通过测量材料在红外光波段的吸收谱，可以确定材料的组分和结构。
本文将介绍利用红外显微光谱技术进行材料鉴定的操作要点。
1. 样品制备在进行红外显微光谱测试之前，首先需要准备样品。
样品应该是均匀、干燥且透明的。
对于固体样品，可以将其研磨成细粉末或制备成薄片。
对于液体样品，应该尽量避免气泡和悬浮颗粒的存在。
2. 样品装载将样品装载到红外显微光谱仪的样品室中。
通常可以使用样品夹或者样品台进行固定。
确保样品与红外光源之间没有任何障碍物，以确保光线的正常传输。
3. 谱图扫描打开红外显微光谱仪的软件，选择扫描模式。
通常有单点扫描和区域扫描两种模式可选。
对于小样品或者需要定位的情况，可以选择单点扫描模式。
对于大面积的样品，可以选择区域扫描模式。
4. 参数设置在进行谱图扫描之前，需要进行一些参数的设置。
首先是波数范围的选择，根据样品的特性和研究的目的，选择适当的波数范围。
其次是光源的选择，通常有红外线灯和激光器两种光源可选。
根据样品的特性和仪器的要求，选择适当的光源。
最后是光谱的分辨率设置，根据需要进行调整。
5. 数据采集点击开始按钮，进行数据采集。
在采集过程中，可以观察到光谱图的实时变化。
确保样品与光谱仪之间的稳定接触，以获得准确的数据。
6. 数据处理采集完数据后，可以进行数据处理和分析。
常见的处理方法包括峰位的计算、峰面积的计算和谱图的比较等。
根据需要，可以使用专业的光谱分析软件进行进一步的处理和解读。
7. 结果解读根据谱图的特征和已有的数据库，对结果进行解读和鉴定。
红外光谱图中的吸收峰可以对应不同的化学键和官能团，通过对比已知物质的光谱图，可以确定样品的组分和结构。
8. 结论和报告根据结果的解读，得出结论并进行报告。
报告中应包括样品的基本信息、测试方法、结果解读和结论等内容。
对于复杂的样品，可以提供详细的数据和谱图，以便其他研究者进行进一步的分析和验证。
红外光谱法分析塑料组成.
采集次数越多，信噪比越好，通常情况下可选 16次，如果样品的信号较弱，可适当增加采集 次数。 设置分辨率。分辨率指分开两条相邻普线的能 力，单位为cm-⒈分辨率与图谱数据点间隔成 正比。分辨率越高（数值越小），光谱中的数 据点靠得越近，从而可以区分越窄的谱带。但 是提高分辨率，延长扫描时间，降低信噪比。 背景采集模式。建议选择第一项“每采一个样 品前均采一个背景”或第二项“每采一个样品 后采一个背景”。也可选择第三项“一个背景 反复使用一定时间”。还可以选择第四项“选 定指定背景”。
（2）中红外区：此区波长范围为2~25μ m， 又称基频红外区，在有机结构和组成分 析中用得最多。绝大多数有机化合物和 无机化合物的基频吸收都落在这一区域。 （3）远红外区：此区波长范围为 25~1000μ m，适用于元素有机物（除H、 O、N、S和X以外的元素与C直接结合成键 的有机化合物）的分析。主要用于测定 骨架弯曲振动及有机金属化合物等重原 子振动。
3、红外光谱的产生
当样品收到频率连续变化的红外光照射时， 分子吸收了某些频率的辐射，并由其振动或转 动运动引起的偶极矩变化，产生分子振动和转 动能级从基态到激发态的跃迁，使相应于这些 吸收区域的透射光强度减弱。记录红外光的百 分透射比于波数或波长关系曲线，就得到红外 吸收光谱。但不是每一种振动都会和红外辐射 发生相互作用而产生红外吸收光谱，物质吸收 红外光谱必须满足一下两个条件：
（5）关机 图谱采集完毕，从样品仓取出样品， 关闭OMNIC 操作软件，关闭电脑。 注意事项： 仪器发生故障时，立即停止测试，找维修人 员进行检查。故障排除后，恢复测试。 如果在测试过程中发生停水停电时，应按操 作规程顺序关掉仪器，保留样品。待水电正常 后，重新测试。 应做好仪器的维护保养工作，保持仪器工作 环境卫生干净，温度、湿度必须在规定的条件 下，几时清除湿机积水盆的积水和更换干燥剂。 ④使用过的设备与附件必须严格清洗，并及时 放入干燥箱内。
不同塑料的红外光谱的测定选做实验
2013年5月13日不同塑料的红外光谱的测定（选做实验）小组成员：1153613 石鹏皓1153624 方勇1153633 艾万鹏1153637 张姜1153639 王悦1153640 杨磊1153643 黄心权1153645 潘炯分工明细：软件操作：杨磊、艾万鹏仪器操作：黄心权、张姜材料制备：潘炯、石鹏皓理论指导：方勇报告撰写：王悦、杨磊报告修订与整改：所有小组成员一、实验目的1、复习对红外图谱的解析，重温红外吸收光谱分析的基本原理；2、通过红外吸收光谱的测定，熟料掌握Nicolet FT-IR的使用方法；3、测定不同塑料的红外光谱，并进行比较，了解不同塑料制品的不同组成。
二、实验原理当样品受到频率连续变化的红外光照射时，分子吸收了某些频率的辐射，并由其振动或转动运动引起偶极矩的净变化，产生分子振动和转动能级从基态到激发态的跃迁,使相应于这些吸收区域的透射光强度减弱。
记录红外光的百分透射比与波数或波长关系曲线，就得到红外光谱。
红外光谱图通常用波长(λ)或波数(σ)为横坐标，表示吸收峰的位置，用透光率(T%)或者吸光度(A)为纵坐标，表示吸收强度。
[1]红外光谱作为“分子的指纹”，广泛用于分子结构和物质化学组成的研究。
利用物质对红外光波的吸收不进行定性及定量的，不同的物质具有不同的化学键，其吸收波长不同，而对光波吸收的多少与物质的量成正比，因此可以用来定量。
本实验用Nicolet FT-IR 来测定不同塑料的红外吸收光谱。
一些基本振动形式及频率有[2]：1) 亚甲基的反对称伸缩振动σas （CH 2）2926cm -1；亚甲基的对称伸缩振动σs （CH 2）2853cm -1；2) 亚甲基的对称弯曲振动δs （CH 2）1465cm -1；3) 长亚甲基链的面内摇摆振动δ[（CH 2）n ，n>4]，720cm -1；4) 苯环上不饱和碳氢基团伸缩振动σ（=CH ）3000~3100cm -1；5) 次甲基的伸缩振动σ（CH ）2955cm -1；6) 苯环骨架振动δ（C=C ）1450~1600 cm -1；7) 苯环上单取代倍频峰δ（C —H ）1944 cm -1；1871 cm -1；1800~1749 cm -1；8) 苯环上不饱和碳氢基团的面外弯曲振动δ（=C —H ）770~730 cm -1；710~690cm -1。
近红外光谱(nir)分选技术在塑料分选领域的应用
近红外光谱(nir)分选技术在塑料分选领域的应用
近红外光谱(nir)分选技术在塑料分选领域的应用：
1. 什么是近红外光谱(nir)分选技术？
近红外光谱(nir)分选技术是将样品置于光束中，分析样品所反射或透过的光谱，据此确定各组分的成份、含量及状态的一种分析技术。
2. 如何应用近红外光谱(nir)分选技术在塑料分选领域？
将塑料样品与不同种类的塑料进行比对，通过近红外光谱(nir)分选技术，可以快速区分出不同种类的色料，类别和品质。
3. 近红外光谱(nir)分选技术在塑料分选领域的优势是什么？
与传统方法相比，近红外光谱(nir)分选技术可以在几秒钟内对物料进行准确检测和分选，提高塑料分选的速度和精准度，并且不需要使用任
何有害化学物质，符合环保要求。
4. 近红外光谱(nir)分选技术在塑料分选领域的应用前景是怎样的？
近红外光谱(nir)分选技术在塑料分选领域的应用前景非常广阔。
随着工
业应用的不断推广和技术的不断改进，这种技术在塑料分选领域的应用前景将越来越广阔，未来前景无限。
红外光谱法分析塑料组成
红外光谱法分析塑料组成红外光谱法（Infrared Spectroscopy）是一种常用的分析塑料组成的方法。
它基于分子振动的原理，通过测量不同波长的红外光线在样品中的吸收程度，可以确定样品中存在的官能团类型和化学键信息，从而分析塑料的组成。
红外光谱法在塑料行业中广泛应用，可以用于质量控制、产品开发和研究等方面。
在红外光谱法中，样品被置于红外光的透明窗口（常用的有钠化物、钾化物、锗等）上，通过红外光的照射，样品中的化学键会产生特定的振动，并吸收特定频率的红外光。
这些吸收频率与样品中不同官能团和化学键的振动频率有关，因此可以通过分析样品吸收红外光的频率和峰位来识别官能团和化学键类型。
红外光谱法常用的红外光谱仪主要包括傅里叶变换红外光谱仪（FTIR）和远红外光谱仪（FIR）。
这些光谱仪能够测量样品在红外光谱范围内（约4000-10 cm-1）吸收红外光的强度和频率，从而得到红外光谱图谱。
红外光谱图谱通常以吸收强度（纵轴）和波数（横轴）为坐标，呈现为一个特征峰状的谱线。
每个峰对应于不同官能团或化学键的振动吸收，根据峰的位置和强度，可以确定样品中存在的官能团和化学键类型。
例如，对于常见的塑料聚乙烯（Polyethylene，PE），其红外光谱图谱通常会显示出一些典型的峰，如2900 cm-1和2800 cm-1处的C-H伸缩振动峰，1460 cm-1处的C-H弯曲振动峰以及1100 cm-1处的C-C振动峰等。
根据这些特征峰的位置和强度，可以确定样品中存在的乙烯基聚合物。
对于其他类型的塑料，例如聚丙烯（Polypropylene，PP）、聚氯乙烯（Polyvinyl Chloride，PVC）和聚苯乙烯（Polystyrene，PS）等，它们都有各自的特征峰和吸收频率。
因此，通过比较和分析红外光谱图谱可以确定样品的组成。
需要注意的是，红外光谱法虽然可以提供有关塑料的组成信息，但它并不能确定塑料分子链的排列方式和实际结构。
tpu塑料的红外光谱实验报告
实验报告：TPU塑料的红外光谱分析一、实验目的通过对TPU塑料进行红外光谱分析，了解其分子结构和化学组成，为进一步研究TPU塑料的性能和应用提供基础数据。
二、实验原理红外光谱分析是一种常用的分析方法，通过测量物质对红外光的吸收特性，可以确定物质中的特定化学键或官能团。
TPU塑料是一种热塑性弹性体，由聚醚或聚酯多元醇与异氰酸酯反应形成，具有较好的弹性和耐磨性。
通过对TPU塑料的红外光谱分析，可以了解其分子结构中的化学键和官能团，进而对其性能进行评估。
三、实验步骤1.样品准备：选取适量TPU塑料样品，将其研磨成粉末状，以便更好地进行光谱分析。
2.样品处理：将研磨后的TPU塑料粉末与溴化钾混合，在压片机上压制成透明片状样品。
3.光谱测量：将制得的样品放入红外光谱仪中，调整仪器参数，进行光谱测量。
4.数据处理：对测量得到的光谱数据进行处理和分析，找出TPU塑料的特征峰，并对其化学结构进行解析。
四、实验结果以下是TPU塑料的红外光谱图和相应的数据表格：图1：TPU塑料红外光谱图（请在此处插入TPU塑料红外光谱图）表1：TPU塑料红外光谱数据（请在此处插入表格）五、数据分析与结论通过对TPU塑料的红外光谱分析，可以发现其具有明显的特征峰，这些特征峰对应于特定的化学键或官能团。
根据特征峰的位置和强度，可以推断出TPU塑料的分子结构。
在本实验中，我们发现TPU塑料在1730cm-1处出现了一个明显的C=O伸缩振动峰，表明其分子中含有酯基或酮基等羰基官能团；在2930cm-1和2850cm-1处出现了C-H伸缩振动峰，表明其分子中含有甲基和亚甲基等烷基链段；在3400cm-1处出现了O-H伸缩振动峰，表明其分子中含有羟基或醚基等官能团。
这些结果进一步证明了TPU塑料的化学组成和分子结构。
根据实验结果，我们可以得出以下结论：1.TPU塑料中含有酯基或酮基等羰基官能团，这为其优良的弹性和耐磨性提供了基础。
2.TPU塑料中还含有烷基链段和醚基等官能团，这些官能团对其加工性能和粘附性有一定影响。
基于塑料近红外光谱的判别分类研究
第45卷第9期包装工程2024年5月PACKAGING ENGINEERING·171·基于塑料近红外光谱的判别分类研究吴泳微1，袁琨1,2*，王坚2，张洋1，王洋1（1. 中国计量大学光学与电子科技学院，杭州310018；2. 彩谱科技（浙江）有限公司，浙江台州318000）摘要：目的为了回收可用于不同物品包装的塑料，对不同塑料种类进行识别分类。
方法首先采集PP、PET、HDPE、TPE、PLA、PBT、TPU、POM-M90、PPO-GF20NC、TPB、PPS、ABS、PPO（natural）、SAN、POM-F20、PPO（white）16种塑料的近红外光谱数据，其次针对光谱数据采集时存在的噪声问题，使用SG平滑滤波进行了光谱数据预处理，之后利用主成分分析算法进行光谱数据降维，减少待处理数据量，最后分别运用无监督聚类K-means算法和监督聚类极大似然估计、Fisher判别式以及光谱角算法建立4类分类模型。
结果K-means算法可以将PPO-GF20N、PLA和PPO（本色）与其他塑料粒子区分开，准确率分别是100%、100%以及80%；Fisher判别式和极大似然估计法对POM-M90和POM-F20的识别准确率为93%，其他塑料粒子识别准确率均为100%；光谱角算法对PET的识别准确率为80%，POM-F20的识别准确率为47%，其余粒子的识别准确率均大于90%。
结论上述机器学习算法结合近红外光谱成像技术建立分类模型可为常见塑料的鉴别研究提供参考。
关键词：塑料分类；近红外；高光谱成像；主成分分析；聚类分析中图分类号：O433.4 文献标志码：A 文章编号：1001-3563(2024)09-0171-07DOI：10.19554/ki.1001-3563.2024.09.022Discriminative Classification of Plastics Based on Near-infrared SpectraWU Yongwei1, YUAN Kun1,2*, WANG Jian2, ZHANG Yang1, WANG Yang1(1. College of Optical and Electronic Technology, China Jiliang University, Hangzhou 310018, China;2. Caipu Technology (Zhejiang) Co., Ltd., Zhejiang Taizhou 318000, China)ABSTRACT: The work aims to identify and classify different types of plastics, in order to recover plastics that can be used to pack different items. Firstly, the near-infrared spectral data of 16 kinds of plastics including PP, PET, HDPE, TPE, PLA, PBT, TPU, POM-M90, PPO-GF20NC, TPB, PPS, ABS, PPO (natural colour), SAN, POM-F20 and PPO (white colour) were collected. Then, for the problem of noise in spectral data collection, the spectral data were pre-processed by the SG smoothing filtering, followed by dimensionality reduction of the spectral data with the principal component analysis algorithm to reduce the amount of data to be processed, and finally the four-class classification model was established by the K-means algorithm for unsupervised clustering and the great likelihood estimation for supervised clustering, the Fisher discriminant, and the spectral angle algorithm, respectively. The K-means algorithm could distinguish PPO-GF20N, PLA and PPO (native colour) from other plastic particles with an accuracy of 100%, 100%, and 80%, respectively. Fisher's discriminant and great likelihood estimation had an accuracy of 93% for the recognition of POM-M90 and POM-F20, and 100% for the recognition of all other plastic particles. Spectral angle algorithm had a recognition accuracy of 80% for PET, 47% for POM-F20, and an accuracy greater than 90% for the rest of the particles.收稿日期：2023-09-05基金项目：中国浙江省重点研发计划项目（2020C03095）；浙江省高校基础研究运行专项资金（2020YW22）·172·包装工程2024年5月The above machine learning algorithm combined with near-infrared spectral imaging technology can be used to establish a classification model, providing a reference for the identification research of common plastics.KEY WORDS: classification of plastics; NIR; hyperspectral imaging; PCA; cluster analysis塑料包装在日常生活中被广泛使用，回收包装塑料再加工，制造新的再生塑料包装，有助于减少环境污染、资源浪费和能源消耗。