现今石油工业飞速发展,在全世界范围内,塑料制品的产量和消费量迅速增长,如今已经成为人们日常生活中不可缺少的一部分。随着塑料制品的消费量不断增大,废旧塑料制品也不断增多,给生态平衡以及人们的身体健康带来了严重的影响。所以为了达到改善环境和节约资源的目的,对于废旧塑料的回收与利用是现今社会迫切的要求。本文主要分析了废旧塑料的回收利用市场、发展前景以及国内外关于废旧塑料回收利用的方法技术,同时还对近红外分析技术及所用的定性分析方法进行了介绍。在此基础上,对6种废旧混合塑料进行了近红外光谱的采集及主成分分析提取特征波长作为后续模型建立的输入。其次,对经过主成分分析后的6种废旧塑料的近红外特征光谱建立Fisher判别模型,得出判别函数。通过校正集进行自身检验和交叉验证,其验证的准确率分别为96.5%和89.5%,对未知样品的判别分类仅有3个判别错误。第三,通过建立人工神经网络模型对6种废旧塑料的近红外特征光谱进行识别,对BP神经网络和概率神经网络分别进行了研究,并对两种方法进行了对比。其中,BP神经网络模型的训练模型的准确度达到98.84%,但是对于预测集的预测准确度仅为73.33%；概率神经网络训练模型对训练集的分类准确率达到了100%,对预测集的分类准确率相对于BP神经网络的73.33%提高到了97.67%,基本满足了对塑料分类准确率的要求。最后,针对废旧塑料识别分离的实际需要,设计了一套在线识别设备,以求达到软件和硬件的结合,为该研究的进一步应用打下基础。