塑料制品已经渗透到我们生活的方方面面,由此废弃塑料产品带来了严重的环境问题。在有机化合物的分类识别领域,近红外光谱技术的分析范围几乎可覆盖全部有机化合物,本课题以近红外光谱分析技术为基础,针对废旧家电塑料的种类分析开展了相关的研究,以求能够达到准确、快速识别出废旧家电塑料种类的目的。本课题设计的PCA算法优化了数据处理结构,改善化学计量学的特征提取算法,选择具有代表性的主成分维数,扩大数据之间的非线性关系,使各个主成分更具有代表性,有效降低了因光谱采集过程中产生的噪声、谱带重叠和基线漂移等干扰因素对实验结果的影响。实验验证阶段采集了不同批量的废旧家电产品塑料片作为实验样品,采用PCA算法,对数据进行算法分析,得出降维数据。采用聚类分析手段对降维后的样本数据进行分类识别,依据得到的实验结果对PCA算法进行实验验证。根据对比结果,优化算法结构,提高识别精度。针对海尔新材料科技有限公司中采集的ABS、PP、PAC/PPT、PC/ABS、PS、PVC和尼龙样本进行实验验证,结果表明采用本课题设计的PCA算法得到的降维数据在经聚类分析后,识别精度能够达到91%,基本满足本课题的实验需求。对两台国内外光谱仪器的红外光谱进行分析比对,选择性价比更高、更适合本课题的光谱设备。此外,对电磁振动给料装置进行理论分析和实验验证,研究给料装置的性能参数和设计标准,使物料更加易于光谱采集与喷吹分离。本课题通过理论分析、算法优化和实验综合分析,对识别程序进行算法优化,为废旧家电产品的塑料回收利用技术提供参考,降低分选成本和周期,真正有效提升分选设备的分选能力与分选精度,促进塑料近红外分选设备的推广和应用。