- 陈冠益;田禹;汤琳;徐明;曲申;陶俊宇;
有机固体废弃物的高效处理与资源化利用，已成为推动生态文明建设和实现可持续发展的重要课题，同时也是贯彻落实“固废十条”政策的重要举措。传统处理技术面临转化效率低、过程调控粗放、二次污染控制难等挑战。人工智能技术凭借其强大的数据建模、模式识别与智能决策能力，为有机固废能源环境研究注入了新动力。本文系统阐述了在人工智能驱动下，有机固废能源环境领域在研究方法、技术工艺与管理模式等方面的范式变革，深入剖析了人工智能与有机固废大数据分析、转化过程调控、智能识别分类及处理设施智慧管理等环节的融合机制与特征。结合天工AI环境大模型、垃圾焚烧智慧电厂、厨余垃圾智能控制等典型案例，展示了机器学习、计算机视觉与大语言模型等人工智能技术在提升系统能效、降低环境风险、优化管理模式等方面的实际应用效能。进一步展望了人工智能与物联网、区块链、量子计算等前沿技术交叉融合的未来研究方向，并探讨了其智慧决策与管理等原理基础、多模态传感技术的融合难题，以及在数据隐私、算法公平、责任归属等方面可能引发的伦理风险。研究表明，人工智能正通过数据与知识的双重驱动，推动有机固废处理领域向精细化、智能化、系统化方向演进，为行业实现绿色低碳与可持续发展提供了重要的技术支撑与决策参考。
2026年02期 v.40;No.224 1-18页 [查看摘要][在线阅读][下载 2019K] - 蔡小雨;谷镓良;冯堃;南军;邢德峰;
畜禽粪污资源化利用是解决农业面源污染、实现国家碳中和目标的关键环节之一。当前主流的好氧堆肥与厌氧消化工艺受制于多相介质耦合、非线性动力学及微生物群落演替的“黑箱”特性，长期面临有机质转化率低、过程易失稳及生物安全风险难以有效控制等瓶颈。传统机理模型因参数校准困难和结构刚性，难以适应原料的高度异质性。针对这些难题，本文系统综述了机器学习技术在该领域的应用进展与核心机制。解析了随机森林、极端梯度提升（XGBoost）等树模型，人工神经网络及卷积神经网络等深度学习算法，以及遗传算法等智能优化策略在工艺参数预测、微观机制解析及系统调控中的应用逻辑。结果表明，机器学习凭借其非线性映射与特征自适应学习能力，有效突破了传统机理模型参数校准的瓶颈，实现了从经验依赖向智能化决策的范式转变。针对未来发展趋势和挑战，提出了构建融合物理、化学、生物机制的“灰箱”模型，并开发涵盖多组学参数的多模态预测系统，以实现畜禽粪污资源化过程中效率与安全的协同提升。
2026年02期 v.40;No.224 19-35页 [查看摘要][在线阅读][下载 2178K] - 李丹妮;李承宇;王亚琢;陈虹媛;萧垚鑫;于振强;连希希;孔德新;单锐;袁浩然;
随着全球有机固废产量攀升与环保要求提高，热处置作为实现固废减量化并高效转化为能源及化学品的核心手段，其重要性日益凸显。利用人工智能（AI）实现其高效、精准的资源化处理已成为焦点。本文系统综述了AI在有机固废资源化中的进展，聚焦热解、气化及焚烧等核心热处置环节，重点评述了人工神经网络（ANN）、随机森林（RF）及深度学习（DL）等主流算法在不同热处置场景下的表现。分析指出，相较于传统统计模型，AI辅助模型可提高15%原料预测精度，有效预测热解产物分布，但在跨尺度多源数据融合方面仍存在局限。同时，概述了AI在优化反应条件、调控污染物排放及全流程生命周期评价与智能化管理上的应用。最后，提出了高质量数据集匮乏及模型机理可解释性不足等关键瓶颈及相应解决思路，旨在推动AI与热处置技术深度融合，最终实现固废处理的高效、高值与智能化。
2026年02期 v.40;No.224 36-47页 [查看摘要][在线阅读][下载 1756K] - 宋慈;何中昊;汤晶;何菁;汤琳;
堆肥技术是实现有机固废（Organic Solid Waste, OSW）资源化与碳中和目标的关键途径，但传统工艺依赖于经验判断，存在过程调控粗放、周期长、产品质量不稳定及应用针对性弱等瓶颈。本文系统综述了机器学习（Machine Learning, ML）技术驱动OSW堆肥智能化转型的最新研究进展。在过程优化层面，ML通过随机森林、XGBoost、神经网络等算法，能够高精度预测温度、湿度、碳氮比等关键参数的动态变化，实现基于预测的通风、补水等前馈调控；此外，ML有助于解析微生物群落数据以实现功能菌群的定向富集，并融合电子鼻、光谱或图像等多模态信息，实现对腐熟度快速、无损智能评估。在产品增值与应用层面，ML模型推动了堆肥产品的精准定向开发：用于环境修复时，可预测其对重金属的钝化效率或对有机污染物的降解动力学；用于能源回收时，可关联热解工艺与生物炭性能；用于农业时，可构建土壤-堆肥智能推荐系统并评估抗生素抗性基因等环境风险。当前面临的主要挑战包括小样本数据壁垒制约模型泛化、复杂算法在边缘侧实时部署困难，以及需要通过可解释人工智能（Explainable AI, XAI）增强模型透明度和机理认知。综上所述，ML正推动OSW堆肥从经验操作向数据智能驱动的新范式转变。未来研究应致力于构建集成可靠感知、自适应学习与自动决策的智能系统，以优化废物管理中的多目标协同，全面提升堆肥技术的可持续性与经济效益。
2026年02期 v.40;No.224 48-61页 [查看摘要][在线阅读][下载 1439K] - 袁嘉翼;陈楚珂;吴悦菡;陈思晨;常慧敏;杨航;徐明;
在工业化持续推进与“双碳”目标约束并行的背景下，我国工业固体废物的产生呈现长期高位增长、结构调整和治理转型并存的复杂态势。厘清工业固废长期演化阶段与主导驱动力，对于制定差异化、阶段性控废政策具有重要意义。本研究系统分析了2003—2019年间我国城市工业固体废物产生的长期演化阶段结构及其驱动力在不同阶段中的变化特征。研究表明，工业固体废物产生经历了2003—2007、2008—2012和2013—2019年三个稳定的阶段，尽管总量持续增长，但增速显著放缓。人口规模与经济富裕度构成的规模效应在各阶段持续增强，占比达33.4%。然而增速放缓的主要原因在于产业结构效应由正向拉动（+1.13×10~4万吨）转为显著的负向抵消（-2.90×10~4万吨），与此同时，强度效应保持相对稳定且发挥一定的抑制作用。在区域层面，各地通过结构或强度降低等不同路径抵消增长的拉动作用，东北地区在后期阶段出现了强度效应由抑制转为正向的特殊情况；城市层面上，工业固体废物产生对工业活动强度相关因素的短期年际变化更为敏感，而对规模与结构变量的年际变化响应有限。在多指标竞争条件下，治理绩效和过程性指标表现出更高的稳定性，更适合作为城市年度固废治理的操作性工具。本研究结果为不同阶段和尺度上协调结构性调控与过程性管理，提升工业固体废物治理的针对性与可执行性提供了有力的实证支持。
2026年02期 v.40;No.224 62-73页 [查看摘要][在线阅读][下载 1594K] - 高佳昕;张伟进;郭孝彬;詹昊;冷立健;李海龙;
生物炭是由生物质或有机固废经热化学转化制得的富碳固体材料，因其高碳含量、多孔结构及可调表面官能团，在农林、环境、能源等领域具有广阔应用前景。然而，传统生物炭制备多依赖经验试错，面对原料多样性、工艺复杂等挑战，短周期难以实现定向制备与应用落地。近年来，以随机森林、神经网络等为代表的机器学习算法成为解决上述问题的关键工具，通过构建“原料特征–工艺条件–结构性质–应用性能”的预测模型，可识别关键影响因素（如原料中的碳含量、灰分等），明晰其对生物炭性质及吸附、催化等性能的影响规律。进而实现原料的筛选、工艺参数的优化，推动生物炭按需定向设计。本文系统综述了生物炭的应用领域、描述符体系、建模预测和智能设计思路，为机器学习驱动生物炭高效制备与应用提供新视角与正向或反向优化策略。然而，当前模型多基于实验室尺度数据，向工业级装置跨尺度迁移过程中面临数据分布差异和模型泛化不足等瓶颈，这也是未来亟待攻克的关键难题。
2026年02期 v.40;No.224 74-88页 [查看摘要][在线阅读][下载 1664K] - 彭江涛;汤振华;吴泰武;祝新哲;孙连鹏;
有机固废资源化处理已成为全球环境治理与能源结构优化的重要方向。其中，厌氧消化技术（AD）可将固废中的有机物转化为以甲烷（CH_4）为主的沼气，实现能源回收和固废减量的双重目标。然而，在实际运行过程中，AD系统常面临稳定性不足、运行参数过度依赖经验调试及对工况波动响应能力较弱等关键瓶颈。人工智能（AI）凭借其在非线性建模、时序预测与多参数优化等方面的优势，为突破上述瓶颈提供了新的技术路径。本文系统综述了深度学习、自动机器学习（AutoML）与强化学习等前沿技术在AD中的应用进展，深入探讨了AI与AD技术深度融合的可行性与潜在价值。由于不同类型的有机固废（如餐厨垃圾、污泥、畜禽粪污等）成分差异显著，AD过程在生物可降解性、甲烷产量及动力学特征方面表现出明显差异。AI模型通过有效的特征选择，能够显著提升其泛化能力。现有研究表明，集成学习模型（如随机森林、XGBoost）在多底物系统甲烷产量预测中，决定系数R~2可超过0.95；在优化进料策略等问题上，AI同样表现出色，沼气产率提升可达45%。然而，目前AI赋能的AD技术仍面临数据质量波动、在线监测不足、模型可解释性有限、跨系统迁移能力弱及工程标准体系缺失等核心挑战。未来研究应重点发展依赖少量数据的可解释混合模型，结合物联网与数字孪生技术，构建覆盖全流程的智能监测与闭环调控体系，推动有机固废厌氧消化向规模化、智能化与低碳化方向发展。
2026年02期 v.40;No.224 89-101页 [查看摘要][在线阅读][下载 1982K] - 黄强;张欢;曲申;
污泥热解气化在资源回收方面优势显著，但运行中产生的SO_2等废气制约了该技术的推广。精准预测废气排放并优化工艺参数，是提升其应用价值的关键。本研究基于某工厂连续45天的分钟级运行数据（共64 801条、106维），构建了一种融合历史过程与未来工况的时序预测框架，系统对比了极端梯度提升（XGBoost）、梯度提升（CatBoost）、非线性模型（NLinear）及时域融合变换（TFT）等模型的预测性能，并结合夏普利加性解释（SHAP）与累计局部效应（ALE）可解释方法解析了工艺机理。结果表明，融合动态特征与滞后效应的时序框架能显著提升复杂工业过程的建模精度。在所有测试模型中，CatBoost表现最优，决定系数（R~2）达到76.5%，较未引入时序框架的截面模型（R~2=22.5%）有大幅提升，同时平均绝对误差（MAE）降低了50.36%，表明该框架能有效捕捉复杂工业的动态变化与滞后影响。此外，研究还揭示了气化炉出口温度、燃烧炉炉内温度等关键因素对SO_2排放的非线性影响，并提出将蒸汽压力、气化炉出口温度和燃烧炉炉内温度分别控制在0.28～0.30 MPa、100～160℃和800～900℃区间，可在提高资源回收效率的同时有效控制SO_2排放。本研究为废气精准预测与工艺优化提供了数据–机理融合的解决方案，也为其他工业过程调控提供了方法论参考。
2026年02期 v.40;No.224 102-115页 [查看摘要][在线阅读][下载 2184K] - 赵天瑞;曹旭冰;李俐频;田禹;
城市化进程加剧了生活垃圾管理的挑战，特别是对餐厨垃圾的收运提出了复杂需求。针对该问题，本研究提出带有弹性理念的高效餐厨垃圾收运体系，旨在降低其整体收运成本。为深入解析餐厨垃圾在不同季节的时空波动特征，综合考虑生活垃圾的月度产量、空间分布以及分出率特征，构建了500 m×500 m分辨率的餐厨垃圾季节性空间分布预测模型。首先，应用带有季节性差分参数的自回归滑动平均算法（SARIMA），对北京市连续10年的月度生活垃圾产量特征进行波动规律挖掘及推演。结果表明，生活垃圾的产生量在1—2月为淡季，7—8月为旺季，其余月份为平季，3种季节场景下的日均生活垃圾产量比例为88∶107∶100。随后，构建了岭回归模型，挖掘了各区人口和兴趣点（POI）等空间分布属性的特征对生活垃圾产量的影响，结合垃圾分类政策推行后2021年研究区域餐厨垃圾的月平均分出比例，得出了研究区域19 953个0.25 km~2空间网格中的餐厨垃圾月产量。基于上述方法，2021年淡季、旺季、平季餐厨垃圾分区月产量的时空分布验证（R~2）均高于0.98，论证了该方法具有较为稳定的时空外推能力。进一步，研究推演了2025年餐厨垃圾的时空分布，结合位置分配分析和多路径优化（Vehicle Routing Problem, VRP）算法，求解了各季节场景下的成本最优餐厨垃圾日收运路径方案，并探讨了弹性收运方案在降低成本和提高效率方面的优势。研究发现，平季、淡季、旺季的餐厨垃圾日总收运成本比例约为1.00∶1.08∶0.90，不同季节场景下的差异揭示了餐厨垃圾对环卫系统的季节性成本影响，从侧面说明了通过构建弹性收运优化现有体系的必要性。本研究不仅为北京市餐厨垃圾收运系统的优化提供了可行的方案，也为垃圾分类背景下其他城市餐厨垃圾的智能化收运与可持续发展提供了重要参考。
2026年02期 v.40;No.224 116-125页 [查看摘要][在线阅读][下载 1616K] - 蒋榆丞;于麒麟;张耀斌;
生物炭是强化厌氧消化的关键材料，然而受限于“制备条件-理化特征-微生物-产甲烷”之间的复杂关系，且现有研究多忽略微生物这一关键要素，其定向优化仍面临挑战。为此，针对以高粱秸秆为主的厌氧消化过程，构建了一种基于分层数据驱动的机器学习模型（HDML），旨在实现从特征解析到生物炭定向制备的精准指导。通过梯度提升回归（GBR）算法，对258组文献数据与自有实验数据（占比34.8%）进行深度挖掘。首先，在输入层确定粒径（PS）与比表面积（SSA）为影响甲烷产量的主要物理特征，并据此筛选出具有较高产甲烷潜力的生物炭类型（C1）。为进一步提升模型预测准确性，通过特征重要性分析，引入了与产甲烷路径相关较强的核心微生物——甲烷菌属Methanoculleus和候选菌群Candidatus＿Caldatribacterium的相对丰度，作为过程层变量，对模型进行迭代优化。优化后的模型性能得到提升，均方根误差（RMSE）由原来的73.21降低至36.19，决定系数（R~2）由0.85提升至0.87，进而确定更优的生物炭制备条件：热解温度650℃、升温速率15℃/min（标记为T650）。实验验证显示，T650制备的生物炭体系在输出层，即甲烷产量较空白对照组（无生物炭）提升了51%，较第一阶段未包含过程层优化的C1组进一步提升18.9%。此外，体系展现出更优的pH缓冲能力与挥发性脂肪酸（VFAs）分解效率，主要归因于最佳粒径与高比表面积共同优化的孔隙结构，有效增强了系统对抑制物的缓冲吸附能力，同时促进了功能微生物间的直接种间电子传递（DIET）。综上所述，HDML有效解析了“制备条件-理化特征-微生物-产甲烷”间的复杂关系，为生物炭的智能化设计与定向制备提供了创新范式。
2026年02期 v.40;No.224 126-136页 [查看摘要][在线阅读][下载 2993K] - 张文明;张弘锦;马博文;郑博沅;胡斌;刘吉;陆强;
随着电子设备的更迭加速，电子废弃物的资源化处理愈发重要。热转化是其主流处置手段，但其中的溴代阻燃剂易诱发二噁英等污染风险，因此精准预测含溴产物的演变规律至关重要。以废弃印刷电路板（WPCBs）为研究对象，整合了76篇文献的653条实验数据，采用极端梯度提升回归（XGBoost）、随机森林（RF）、多层感知器（MLP）、高斯过程回归（GPR）及支持向量回归（SVR）5种机器学习模型，以热解参数（温度、时间、升温速率）与原料特性（溴含量、无机组分等）为输入，对溴代酚、溴化双酚A、溴代多环芳烃、溴化氢及脂肪族产物的分布进行预测。结果表明，在数据量有限且特征空间复杂的工况下，XGBoost等集成模型表现最优，各目标的测试集相关系数（R~2）均超0.8，均方根误差（RMSE）均低于3.0%。特征重要性分析揭示，热解温度与停留时间是影响有机溴向无机溴转化的核心因素；原料中碳含量显著驱动溴代酚类的生成，而高溴含量则诱导溴代多环芳烃的产生。研究证实了机器学习在电子废弃物处理中的应用潜力，为热解工艺优化与污染物定向调控提供了参考。
2026年02期 v.40;No.224 137-147页 [查看摘要][在线阅读][下载 1392K] - 古佛全;朱律寒;石宏杰;后静;夏文轩;沈东升;龙於洋;
垃圾焚烧炉渣中的氯是制约其资源化利用的关键因素之一。然而，目前对炉渣中氯的赋存特性及形成机制的认识尚不清晰。通过模拟生活垃圾单独焚烧及与废印刷线路板（PCB）、污泥的协同焚烧实验，探究了垃圾组分和焚烧参数对炉渣中总氯、水溶性氯和非水溶性氯的含量及形态分布的影响，并引入机器学习方法以期实现对炉渣中氯赋存特性的优化调控。实验结果表明，在生活垃圾单独焚烧过程中，焚烧温度和物料组分是影响炉渣总氯含量和氯形态分布的主导因素。较低焚烧温度（850℃）和适中焚烧时间（10 min）有利于维持较高比例的水溶性氯。在协同焚烧实验中，废PCB和污泥的加入均导致炉渣总氯含量增加，其中废PCB的添加促进了水溶性氯的生成，而污泥的加入则抑制了水溶性氯的形成。基于机器学习的预测结果显示，当塑料∶纸类∶织物的质量比为3∶2∶1，废PCB质量分数为50%，焚烧温度为1 001℃，焚烧时间为10 min时，炉渣中水溶性氯的预测含量较最低值提高了约86%。本研究为炉渣中氯的高效脱除及炉渣资源化利用的源头调控提供了理论依据。
2026年02期 v.40;No.224 148-157页 [查看摘要][在线阅读][下载 1631K] - 张淑婷;戴子俊;陆雪琴;胡维杰;王骋原;周友飞;卓桂华;陈远锋;郭世鸿;甄广印;
污泥与餐厨垃圾的厌氧共消化是实现有机固废资源化的重要途径，而药物活性化合物的大量检出对该系统的稳定运行构成潜在威胁。本研究针对药物活性化合物磷酸氯喹（Chloroquine Phosphate, CQ）的环境残留风险，系统探究了其浓度梯度（0～25 mg/L）对厌氧消化性能的影响与微生物响应机制。结果表明，CQ对产甲烷作用呈现双向浓度效应：低浓度（≤5 mg/L）促进甲烷产量（最高提升5.2%）及有机物去除；而高浓度（≥15 mg/L）显著抑制产甲烷性能（降幅达25%～34%）和底物利用。胁迫解除后，系统各项功能可完全恢复，表明微生物群落具备良好抗性与代谢韧性。机制分析发现，CQ胁迫引起挥发性脂肪酸谱图改变、胞外聚合物（EPS）分泌呈先增后减趋势（5 mg/L时紧密黏附EPS(TB-EPS)峰值达39.76 mg/g VS,25 mg/L时降至12.69 mg/g VS），并激发抗氧化酶活性以缓解氧化应激（超氧化物歧化酶（SOD）活性在10 mg/L时达峰值20.21 U/mL）。面对上述多源特征参数间复杂的非线性交互关系，引入机器学习夏普利加性解释（SHAP）算法对关键驱动因子进行可解释性解析。SHAP算法在17项输入参数中精准识别出溶解性化学需氧量（SCOD）为首要关键因子，揭示了CQ胁迫通过抑制有机底物利用（导致SCOD积累）而非CQ直接毒性来抑制产甲烷效能的间接抑制机制。综上，该研究阐明了CQ影响污泥与餐厨垃圾厌氧共消化过程的剂量依赖性及其潜在酶调控机制，为可解释性机器学习应用于药物残留风险评估提供了示范。
2026年02期 v.40;No.224 158-169页 [查看摘要][在线阅读][下载 1699K] - 钱博一;宋谦石;薛耀明;汪小憨;黄经春;乔瑜;
开发农林废弃物热转化过程的数字孪生系统是实现其高值化利用的关键环节。其中，构建高精度、快响应的理论映射模型是实现驱动数字孪生系统的核心，也是当前学术界亟待攻克的难题之一。针对该科学问题，本研究开发了一种面向数字孪生技术的焦炭气化反应性理论映射模型。该模型基于简单碰撞理论，构建了结合孔隙结构演变、无机元素催化/抑制作用的农林废弃物热解焦炭气化反应性理论模型，对比了4种热解焦炭样品在不同气化温度下的实验数据与模型计算值，预测准确率达90%以上，验证了模型在H_2O气氛下预测的适用性与准确性。研究发现，在725～800℃的温度区间内，不同种类样品在H_2O气氛下的焦炭气化速率是CO_2气氛下的3.16～76.52倍，这主要归因于活性中间体的催化增强作用。此外，对不同无机元素在不同气氛下的作用效果进行了定量表征，发现具有催化作用的Fe、抑制作用的Si、Al 3种无机元素在CO_2/H_2O气氛下的作用效果差异显著，Fe在CO_2气氛下的催化作用效果显著高于H_2O气氛，Si、Al在2种气氛下的作用强弱则表现出完全相反的趋势。气氛变化诱导形成不同的含氧化合物结构，使得元素赋存形态和表面化学键连接结构发生变化进而影响焦炭活性。该研究可为农林废弃物热转化过程数字孪生技术的开发提供理论映射模型支持。
2026年02期 v.40;No.224 170-181页 [查看摘要][在线阅读][下载 1523K] - 郭雪强;陶雪;刘士奇;张光明;
有机固废（OSW）通过厌氧发酵生产乳酸是实现资源高值化利用的重要途径。针对传统经验调控方法难以精确刻画多因素耦合作用，且存在发酵周期较长、参数设计不合理及性能不稳定等问题，本研究采用可解释因果机器学习（ICML）框架，对OSW厌氧发酵产乳酸过程进行系统评估。通过对比不同模型，梯度提升决策树（XGBoost、XGB）在预测乳酸浓度、产率及生产速率方面表现最优。Shapley加性解释（SHAP）分析表明，水力停留时间（HRT）、总固体（TS）、挥发性固体（VS）和有机负荷（OLR）是影响乳酸性能的关键因素。线性非高斯有向无环模型（LiNGAM）模型进一步揭示变量间的因果路径：HRT对乳酸产率具有显著的直接效应，而OLR是提升生产速率的核心正向驱动因子；同时，底物类型与接种比能通过直接或间接路径调控发酵过程。偏依赖分析（PDP）明确了最优工艺区间：在VS浓度>50 g/L、TS浓度为200～250 g/L、HRT为2.5～5.0 d且OLR<18 g VS/(L·d)时，乳酸浓度可达20 g/L以上；在HRT为10～15 d、TS浓度<25 g/L、OLR<10 g VS/(L·d)且温度为30～45℃时，乳酸产率达0.30 g/g VS以上；在OLR>30 g VS/(L·d)、HRT<3 d、VS浓度>100 g/L、TS浓度>130 g/L时，乳酸生产速率可达7 g/(L·d)以上。此外，二维偏依赖分析（2D-PDP）识别了HRT与TS的交互作用及其对性能平衡的适宜窗口。研究表明，ICML方法能有效揭示工艺参数与乳酸性能间的非线性因果关系，为OSW厌氧发酵的工艺优化与实验设计提供定量指导，助力有机废弃物资源化技术发展。
2026年02期 v.40;No.224 182-191页 [查看摘要][在线阅读][下载 2916K] - 江凤凤;房怀英;王明胜;
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6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。
2026年02期 v.40;No.224 192-200页 [查看摘要][在线阅读][下载 1487K] 下载本期数据