塑料因其可塑性与低成本在日常生活与工业中被广泛使用，然而这也带来环境污染与资源浪费等问题，因此塑料分类成为重要研究课题。为验证高光谱成像技术在塑料分类中的可行性，采用近红外高光谱成像技术（NIR-HSI），比较了1100~1650 nm波段数据在9种常见塑料分类中的效果。涵盖K邻近法（K-NN）、支持向量机（SVM）、粒子群算法训练的SVM（PSO-SVM）、遗传算法优化的SVM（GA-SVM）等机器学习方法。通过验证数据筛选模型准确率后，将其应用于高光谱图像，通过可视化分类对比原始图像评估模型效果。结果显示，基于欧氏距离、余弦相似度的K-NN和GA-SVM分类效果最佳，验证数据的精度分别达到96.14%、96.21%和98.67%，在可视化分类上也呈现出良好效果。高光谱成像技术在塑料分选中具有很高的应用价值，只需获取特定塑料的光谱数据并进行适当处理，即可对不同颜色、形状、工艺的同类塑料制品进行有效区分。

为了探究海水海砂碱激发混凝土与FRP筋的粘结性能发展规律，推动新型绿色建筑材料的应用，本研究通过对碳纤维增强塑料(CFRP)筋/玻璃纤维增强塑料(GFRP)筋与海水海砂碱激发混凝土(SSASC)试件进行中心拉拔试验，研究了FRP筋种类、直径、锚固长度及混凝土强度、养护龄期等因素对FRP筋-SSASC试件的粘结性能的影响。基于现有文献和实验所得数据统计分析，表明碱激发混凝土(ASC)与FRP筋的粘结性能明显优于普通硅酸盐混凝土(OPC)。同时使用多元线性方程将试验数据代入拟合出适用的粘结强度预测公式。结果表明：粘结强度随FRP筋直径和锚固长度的增大呈减小趋势，其中随直径的变化趋势不明显；ASC30混凝土大多为拔出破坏，ASC60混凝土大多为劈裂/筋断破坏，且强度较高的混凝土的粘结强度也较高；随养护龄期的增加其粘结强度有所上升；OPC与FRP筋的粘结强度小于ASC；所得粘结强度经验公式与实验数据具有良好的相关性。

激光诱导击穿光谱法以其快速、 高效、 无害、 全谱直读、 几乎不需要样品制备等优势, 广泛用于元素定量分析领域, 为了建立简单易行的分析方法, 利用自行研制的聚丙烯塑料（PP）标准样品（RM）, 结合偏最小二乘法（PLS）, 运用激光诱导击穿光谱方法（LIBS）, 建立了Pb和Cr元素的PRM-PLS-LIBS分析模型。 PP标准样品是按照国际标准要求进行研制, Pb和Cr的含量梯度根据各个国家和地区的限制要求, 设定范围在0~1 000 mg·kg-1, 具体数值由定值结果结合不确定度给出, 并且该套标准样品均匀性和稳定性良好, 应用该标准样品建立的Pb和Cr的标准曲线的相关系数分别为0.999 2和0.998 9, 检出限分别为35和28 mg·kg-1, 已经达到定量分析能力。 为了提高定量分析模型的准确度, 需要对标准曲线的数据进一步优化。 在数据量较小的情况下, 通过对基线类型的多重优化, 比较了偏最小二乘法（PLS）和经典最小二乘法（CLS）。 实验数据表明, PLS的校正均方根误差（RMSEC）和校正系数（Corr. Coeff）都明显优于CLS。 通过优化Pb和Cr的分析波长范围和基线类型, 校正曲线的给定值与预测值之间的校正系数达到1.000 0, 进一步提高了模型的准确度。 随机选取一套PP标准样品, 对校正曲线进行验证。 取高含量样品（PP-306）和低含量样品（PP-302）进行测定, 将Pb和Cr的测定数据代入PCRM-PLS模型中, PP-306中Pb和Cr的测定值分别为998和96 mg·kg-1, PP-302中Pb和Cr的测定值分别为980和95 mg·kg-1, 都在给定值范围内, 方法有效可靠。

微塑料在环境中分布广泛， 具有潜在的健康暴露风险， 开发一种准确可靠的监测方法十分必要。 研究了两种基于拉曼光谱的微塑料定量分析方法。 一是悬浮液中微塑料质量浓度的定量分析， 通过拉曼光谱测定加入定量二氧化硅进行标定后的不同浓度微塑料悬浮液特征峰强度， 探究微塑料悬浮液特征峰强度与质量浓度之间的关系， 结果表明微塑料质量浓度与标定后的特征峰强度具有良好的相关性（R2=0.96）， 但此方法需要提前收集环境中的微塑料并采用搅拌与超声振荡等方法进行处理以制备测量所需的悬浮液样品， 测量前需采用定标物质对悬浮液特征峰强度进行标定， 以及在微塑料浓度高时无法完全悬浮所有的微塑料从而导致测量效果不佳等问题均会降低该方法的实用性。 二是滤膜表面上微塑料质量的定量分析， 通过气溶胶发生器产生微塑料气溶胶， 并将其收集在滤膜表面， 通过拉曼光谱面扫描模式测定滤膜上微塑料样品的特征峰以确定微塑料样品的存在状态， 从而探究沉积在滤膜表面的微塑料气溶胶样品的峰识别频率与微塑料质量之间的相关性， 结果表明微塑料气溶胶样品的峰识别频率与质量之间具有较好的相关性（R2=0.95）。 传统采样方法使得微塑料样品在滤膜上大面积分布且分布不均匀， 以及测量区域占比太小导致较大相对测量误差（2%～6%）的出现。 该研究在保持样品表面沉积密度不变的情况下采用气溶胶微浓缩技术采样， 缩小样品沉积面积， 减少微塑料样品的收集量， 提高测量区域占比。 结果表明， 采用气溶胶微浓缩技术可以有效提高微塑料气溶胶样品的峰识别频率与质量之间的相关性（R2=0.97）， 相对测量误差也降低至2%～4%。 该方法不需要微塑料悬浮液制备与定标等繁琐的操作， 可将空气中的微塑料直接收集到滤膜表面进行微塑料的定量分析， 减少测量所需的时间， 有望应用于环境中微塑料颗粒的实时监测。

工程塑料优异的介电性能和金属可替代性， 使其成为5G建设的热门材料。 对外观相近但性能不同的几种工程塑料的检测与定性分析， 有助于工程塑料更好地应用于5G线路板和天线模块的制造。 应用太赫兹时域光谱技术（THz-TDS）对几种常见的工程塑料PEEK、 PPS、 ABS进行光谱检测， 分别得到三种工程塑料在太赫兹波段的光谱数据。 通过快速傅里叶变换， 将三种工程塑料的THz时域光谱进行转换， 获取工程塑料在0.1~1.2 THz下的THz频域光谱， 并经过计算提取出相应的吸收光谱。 分析THz时域光谱可知， 不同种类工程塑料的THz时域谱存在时间延迟线和振幅的差异， 可以直观地显示出各种塑料间的差异， 这表明工程塑料的THz-TDS分类识别具有一定的可行性。 但由于同属工程塑料， 在太赫兹波段上表现为峰位、 峰值相近， 且各个材料无明显的THz特征吸收峰， 因此无法直接以指纹谱进行判定。 鉴于此， 研究将非线性工具卷积神经网络（CNN）应用于无明显特征吸收峰的工程塑料识别研究的可行性， 通过对CNN的网络结构和重要权值参数的优化， 提出了一种改进的CNN分类模型。 该模型使用LeakyRelu激活函数， 添加BN层， 利用Adams梯度下降算法， 保证分类器的鲁棒性， 加快网络分类速度， 提高太赫兹吸收光谱识别精度， 同时可以有效地解决由于THz光谱数据量不足而容易陷入局部最优问题。 并将该方法同传统的线性工具主成分分析-支持向量机法（PCA-SVM）进行对比。 对比实验结果显示: 改进的CNN分类模型平均运行耗时为0.15 ms， 训练集准确率为99.6%， 测试集准确率达到98.8%; 相较传统的PCA-SVM分类模型， 其分类效率大幅提升， 同时测试集分类准确率提高了27.3%， 训练集分类准确率提高了30.9%。 研究结果表明: 将THz-TDS与改进的CNN分类模型相结合， 能够实现对上述三种工程塑料的精确鉴别与分类识别， 为工程塑料的非接触快速无损检测和识别提供了新方法， 也为其他无THz特征峰物质的识别与检测方法研究提供参考。

塑料薄膜是我国塑料产品中占比五分之一的大宗类型, 在厂家生产时最重要的指标之一为塑料薄膜厚度, 如何准确、 快速、 方便地测量塑料薄膜厚度是一项具有重大经济价值的研究课题。 为验证X射线吸收光谱法测量塑料薄膜厚度的可行性, 制作了不同厚度的聚乙烯塑料薄膜实验样本, 设置30 kV的管电压以及1 μA的管电流激发X射线, 照射不同厚度的塑料薄膜样品, 用X射线探测器采集空白光谱数据和不同样本的原始X射线吸收光谱数据, 得到各光谱在256个通道中的光子强度。 在数据分析过程中, 为达到数据降维的效果, 选择主成分分析法处理所采集的数据; 再将维数降低后的新数据集分两次分析, 一次直接进行机器学习, 另一次进行归一化处理后再进行机器学习。 在机器学习中, 其中的70％作为训练集, 剩余的30％作为测试集, 输入数据为各组样本X射线吸收光谱, 输出数据为模型预测的塑料薄膜厚度。 同时, 为降低随机性导致的误差, 多次训练, 以平均的准确率来评价厚度估计的效果。 最后, 对比分析实验数据的结论是, 当误差包容度设置为50 μm时, 使用归一化处理后经机器学习的X射线吸收光谱法测量塑料薄膜厚度的准确率可以达到98.4％。 同时, 只要增加原始光谱数据的样本数, 并有效规划不同厚度的采样分布, 理论上可以大大提高该方法的精度, 而且可以推广到其他材料的测厚任务。 与市场上的其他测厚方式相比, X射线吸收光谱法测厚具备无损检测、 快速检测以及适用范围广的优势, 这对于丰富厂家生产线以及相关监管部门的塑料薄膜测厚技术、 提高测厚效率、 提升测量准确率具有较好的应用前景。