激光诱导击穿光谱(laser induced breakdown spectroscopy,LIBS)具有多元素同时分析、无需样品预处理,检测速度快,对样品损害小等优点。将其与基于化学计量学的模式识别方法结合用于样品分类,能够更好提取塑料样品的特征信息,达到提高分类效果、减少分类时间的目的。但是,依据当前的样品分类方法建立的分类模型,存在需要更改的参数较多、模型的普适性差的问题,在实际应用中会有一定的困难。基于偏最小二乘判别分析方法(Partial least squares discriminate analysis,PLS-DA)建立分类模型,达到克服背景干扰、提高分类精度的目的。基于LIBS的样品分类方法与塑料专属型数据库相结合可以对塑料进行识别。但是,目前针对塑料样品的LIBS数据库还未见报道,而基本型的数据库不能满足要求,因此建立专属数据库可以帮助研究者将LIBS技术应用于塑料领域。论文的主要研究内容如下:(1)基于LIBS的分类方法研究与软件开发LIBS谱图是一种复杂的原子发射光谱,不同样品的元素种类和含量不同,因此所获得的LIBS谱图特征峰的波长位置和强度均存在差异。利用基于化学计量学的模式识别方法可以将这些差异提取出来,实现对样品种类的识别。应用基于化学计量学的PLS-DA方法建立样品分类模型,对模型的预测能力进行优化,并应用Matlab语言进行样品分类软件开发。样品分类方法的研究可以为后续的实际应用提供理论基础。(2)塑料样品的LIBS数据库开发该数据库包括LIBS元素特征谱线数据库和塑料样品的专属型数据库。LIBS以NIST的ASD数据库中的永久线作为数据源,建立LIBS特征谱线数据库,该数据库中包含99种元素的2058条特征谱线;以11种塑料样品的LIBS谱图数据作为数据源,建立塑料样品的专属型数据库。该数据库具有增加、删除、查询和修改的功能。LIBS数据库的建立是进行定性定量分析的基本条件。(3)基于LIBS针对塑料样品的PLS-DA分类方法研究应用LIBS装置针对11种塑料样品进行实验,获取2200个谱图,每个谱图都是20次平均所得。依据PLS-DA算法建立预测模型,对塑料进行分类识别,并对所得的实验结果进行分析,包括最优的训练集和验证集比例,模型的最佳的主成分数及误差分析等。实验结果表明,在不替换干扰谱图的情况下,验证集样品的分类精度达到99.80%,测试集样品的分类精度达到99.09%;替换干扰谱图后,验证集和测试集的样品分类精度均达到100%,且分类时间有所减少。相对于SVM模型,PLS-DA模型具有精度高、普适性强的优势。由此可以得出结论,LIBS与PLS-DA算法相结合,可以实现塑料样品的分类识别。