摘要：在“双碳”目标与循环经济背景下，生活废塑料的高值化利用意义重大。针对传统单一传感模式难以同步识别废塑材质与颜色、导致分选精度不足的问题，提出一种具备通用适配性的RGB视觉与近红外光谱（NIR）多特征融合识别方法，并以聚丙烯（PP）与聚对苯二甲酸乙二醇酯（PET）为研究对象，通过多模态数据互补提升识别效能。本研究搭建了同步采集平台，获取640像素×640像素彩色图像与935.9～1 722.5 nm高光谱数据。采用黑白帧校正、Savitzky-Golay滤波及标准正则变量变换（SNV）对光谱进行预处理，消除光源波动与传感器干扰。基于光谱极值特征提出特征波段选择策略，将204维数据精炼至1 641.4～1 687.2 nm关键区间。模型构建上，开发了Yolact实例分割网络与支持向量机（SVM）相结合的双分支融合架构，实现颜色-材质的协同映射。结果表明，在六类细分废塑分选任务中，该方法精度与召回率均达97%，准确率达96%，较单一RGB方法提升6%～7%。特征波段选择使数据维度压缩99.2%，显著降低了模型复杂度与过拟合风险。该方法为废塑料自动化分选提供了算法支撑。 收起-