近红外光谱可识别聚合物商品

导言

聚合物用于我们的日常生活，但是聚合物废物的负面影响越来越大，迫使政府当局采取法律措施保护环境。因此，为了在一些国家实现原材料的可持续利用，立法已经要求对最常见的聚合物废物进行一定比例的回收利用，主要侧重于聚合物商品的分离和再利用。

概述

识别程序必须经济、快速且易于操作。基于近红外光谱在聚合物分析中的众所周知的潜力，该技术已被确定为该过程的有用工具。近红外波长范围以 C-H、N-H、O-H 的泛音和组合波段为主，不那么明显的是 C=O 功能。因此，特定聚合物商品的近红外光谱分离主要基于第一和第二泛音以及这些功能的组合波段。鉴于塑料废物数量的稳步增加，除了回收厂的努力外，引入供非专业人员使用的微型化低成本近红外光谱仪可以极大地提高聚合物回收的范围和速度。在博览会、交易会和其他大型活动以及许多公共生活场所对以包装材料、杯子、容器和建筑材料的形式产生的大量塑料垃圾进行现场分离可以作为一个例子。

对不同类型的聚合物进行分类

为了证明NeoSpectra光谱传感器识别不同类型的聚合物商品的能力。我们展示了如何使用它来区分5种不同的聚合物商品：聚乙烯（PE）、聚丙烯（PP）、聚对苯二甲酸乙二醇酯（PET）和聚氯乙烯（PVC）。

样品集

o 虽然碳黑填充样品被排除在测量范围之外，但记录的含有少量添加剂、颜料或染料的聚合物并未对其近红外光谱产生重大影响。

o 总计 43 个样本: 29 个校准样本，14 个测试样本

o 样本和光谱一式三份记录

测量条件

o 波长范围：1298-2606 nm

o 扫描时间：16 秒

o 分辨率：在 α=1,550 nm 时为 8nm

对测量光谱进行了一些标准和简单的数据处理过程：

o 对于每个样本，对三份光谱样本求平均值。

o 波长尺度被转换为波数，7504 — 4001 cm^-1 使用包含5个数据点和一个二阶多项式的Savitzky Golay平滑程序使用二阶导数对光谱进行了预处理。

o 应用标准正态变量 (SNV) 程序来校正散射效应。

在图1中，代表五种聚合物商品的示例性近红外光谱显示在（a）和之后（b）光谱预处理之前。

数据评估

PCA（主成分分析）模型是使用所有五种聚合物商品的校准样品的光谱开发的，测试组样品的光谱对它们的鉴定性能进行了验证。应用PCA后，PCA的数量低于原始变量。由于减少了 PC，可以轻松地对数据中的模式进行可视化和分析。在图 2 中，显示了五种聚合物商品聚乙烯、聚乙烯、聚丙烯、聚苯乙烯和聚氯乙烯的校准样品 (a) 基于前 3 台 PC 的 PCA 分数图。图 2 (b) 显示了相同的分数图，包括测试样本（青色符号）。因此，可以在分数图中清楚地区分这五种聚合物，并将测试样本正确地分配到各自的聚类中。

SIMCA（类比的软独立建模）分析用于测试集聚合物光谱的识别能力。SIMCA 是一种分类方法，使用为不同类别的光谱开发的 PCA 模型来评估未知样本属于哪一类，从而分析相似性。分类结果以所谓的库曼图表示，在本例中，如果将测试样本的光谱分配给 SIMCA 模型定义的相关象限，则可以实现聚合物恒定。对于所有可能的聚合物对，代表聚乙烯和聚乙烯区分的库曼曲线（显著性为 5%）如图 3 所示。

虽然蓝点和黑点分别代表 PE 和 PET 校准光谱，但红点属于所有五种身份的聚合物测试样品的光谱。在这些测试样本中，聚乙烯和聚乙烯聚合物被正确地分配到相应的象限，而其他聚合物物种类的光谱最终出现在右上象限，表明它们是其他聚合物类别。以此类推，对其他聚合物对的SIMCA分析正确地将测试样品赋予了各自的身份。