塑料在工业企业和日常生活中均有着广泛的应用,为保护环境和节约资源,最好的方法是对废旧塑料进行回收再利用,而其中关键的问题就是对塑料进行分类。现有的塑料分类技术包括X射线荧光光谱技术、近红外光谱技术、拉曼光谱技术等。虽然上述技术可实现常用塑料的分类,但是由于分析过程繁琐费时,难以满足工业化快速分类的需求。而激光探针技术由于具有快速、无需样品预处理等特点,在高分子材料、金属、土壤和陶瓷等领域检测具有广泛的应用前景。围绕塑料的激光探针光谱快速分类识别之目的,本文采用自主搭建的激光探针平台,对影响塑料分类结果的实验参数(激光单脉冲能量、ICCD延迟时间和门宽)进行了优化,获得了最佳的实验参数。并在空气环境下对来自不同厂家和不同颜色的20种塑料进行了快速分类检测研究。为避免金属元素谱线带来的干扰,本文仅选取塑料中主要非金属元素,即碳、氢、氧、氮元素的6条光谱谱线作为特征谱线进行快速分类研究。实验结果表明,采用有监督的支持向量机算法对20种塑料制品的算术平均识别精度为96.6%。然后采用该算法将20种塑料中同类型不同颜色的样品归为一类,最后得到11类样品的平均识别精度为99.6%。为进一步提高分类效率,研究了无监督算法中的主成分分析法、K-均值算法和自组织特征映射神经网络无监督分类,并利用U-matrix算法对自组织特征映射分类结果进行可视化。比较三种无监督分类算法的结果,基于U-matrix算法的自组织特征映射神经网络对塑料的聚类结果最佳。实验结果表明,将激光探针技术与无监督算法结合,可以实现对多种塑料的高精度分类识别,该研究为激光探针在实现塑料快速分类回收和再利用的工业化应用提供了一种新的技术手段。