2026-10-12
各学院（部）：
为更好开展新工科毕设项目，提升项目质量和水平，“面向资源循环的废塑料智能感知与自主分选系统研发”新工科毕业设计项目现面向全校毕业班学生进行招募。现将有关事项通知如下。
一、项目背景、目的及意义
塑料污染已成为全球环境治理焦点，全球塑料公约谈判持续推进。我国作为塑料生产消费大国，同样面临废塑料产生量高、污染防治与资源循环压力突出的问题。与此同时，废塑料来源多样、材质混杂，且受颜色、老化和污染干扰，传统人工及单一传感分选难以兼顾识别精度与复杂工况适应性。而前端分选的精准程度，直接影响再生塑料纯度与高值化利用价值。因此，提升废塑料智能识别与分选水平，对促进资源循环、支撑循环经济发展具有重要意义。
本项目面向废塑料资源循环，研发可见光（RGB）与近红外高光谱（NIR-HSI）多模态融合分选技术。通过构建典型材质多模态数据库，开发跨模态融合识别算法与在线分选控制系统，研制实验室级智能分选装备，实现典型废塑料的连续识别与自动分选，提升废塑料精准分类与高值再生能力。项目兼具环境、计算机、机械等多学科交叉特征，可支撑新工科实践，培养学生解决实际工程问题的能力，为废塑料智能分选与资源循环提供技术储备与人才支撑。
二、项目已具备的条件
项目已围绕废塑料多模态智能分选，在硬件平台、数据基础、算法模型和系统集成等方面形成较完整的前期积累，具备从多源信息采集、融合识别算法开发到系统联调验证的全链条支撑条件。具体如下：
1、硬件实验平台完备
已搭建实验室小型塑料分选试验平台，集成可见光相机（RGB）、近红外高光谱相机（NIR-HSI）、卤素光源、可调速传送带及高性能服务器。平台支持样品连续输送、多源信息同步采集与实时传输，可实现RGB与NIR-HSI数据的同步获取与处理。各模块接口统一，具备相机标定、光源调节、速度控制及算力支撑能力，可满足算法在线验证与分选执行联调需求。
2、多模态数据库初步建立
已构建RGB+NIR-HSI配对数据库，涵盖PET、PE、PP、PVC、PS等典型材质，记录材质、颜色等多维属性。建立了样本编码、黑白校正、图谱配准、数据标注及质量筛查流程，形成“图像—光谱—属性”一一对应的结构化数据基础。按独立样本划分训练集、验证集和测试集，为模型训练与评估提供规范、可扩充的数据支撑。
3、融合识别算法积累
已开发基于CNN-Transformer、RF-DETR算法框架的多模态识别算法，融合RGB与NIR-HSI信息，初步实现目标提取、图谱配准、特征融合及材质分类等核心功能。在自建数据集上，多模态融合模型识别准确率达到90%以上，验证了RGB与NIR-HSI融合识别的有效性，形成了跨模态特征关联与分类能力，为后续模型优化与精度提升奠定基础。
4、系统集成与验证条件具备
现有平台具备数据采集、算法运算、控制执行等软硬件接口，可支撑多模态表征分析、跨模态模型优化及系统集成验证。高性能服务器提供算力保障，传送带与执行机构可进行联调测试，满足项目各阶段研究与验证需求。
三、项目期限与目标
项目周期为2026年10月至2027年6月。总目标：完成废塑料多模态数据库构建、融合识别算法开发、自动控制系统研发及智能分选装备设计与验证，实现典型塑料连续识别和自动分选。具体目标如下：
1、多模态数据库构建
建立PET、PE、PP、PVC、PS等典型材质的RGB、NIR-HSI数据库，形成采集、标定、标注与测试规范，支撑多模态表征分析。
2、融合识别算法开发
构建跨模态融合识别模型，实现废塑料目标定位与材质判别，独立测试集识别准确率≥95%，并输出标准化算法接口。
3、自动控制系统研发
开发在线分选自动控制系统1套，实现识别结果与分选动作的准确对应，完成“识别-控制-执行”实时联动，并具备异常情况处置能力。
4、智能分选装备设计与验证
研制实验室级智能分选装备1套，完成软硬件集成、整机联调与多工况验证，形成操作规程与测试报告。
四、项目主要方向及任务
针对废塑料材质混杂、表观差异显著及连续输送条件下识别与分选协同困难等问题，依托现有实验室小型分选装置，开展可见光图像（RGB）+近红外高光谱图像（NIR-HSI）多模态识别与智能分选系统研究，下设四项研究任务，具体如下：
研究任务1：废塑料多模态数据库构建
选取PET、PE、PP、PVC、PS等典型材质，构建包含材质、颜色、形态、老化程度及表面污染状态的样本体系；制定样品编码、状态记录、RGB与NIR-HSI配对采集、黑白校正、数据标注和质量筛查方法，建立同一物料图像、光谱与属性信息的对应关系。分析不同表观因素对视觉和光谱响应的影响，筛选稳定特征波段；按独立物料划分训练集、验证集和测试集，形成结构统一、标注完整、可扩充的多模态数据库及技术规范。
学生需求：1人
指导教师：马文超
主页：https://faculty.tju.edu.cn/256151/zh_CN/index.htm
研究任务2：RGB+NIR-HSI 融合识别算法开发
面向废塑料定位与材质判别，利用RGB分支完成目标检测并提取位置、颜色和形态特征，利用NIR-HSI分支提取目标区域的光谱-空间特征；研究两类数据的目标级关联、特征降维和跨模态自适应融合，构建输出物料位置、材质类别及识别置信度的融合模型。开展RGB、NIR-HSI与融合模型对照及关键模块消融，结合混淆矩阵分析误判来源，优化模型精度、鲁棒性和推理效率，使测试集识别准确率达到90%以上，形成可供控制系统调用的算法程序及标准接口。
学生需求：1人
指导教师：韩亚洪、马文超
主页：https://cic.tju.edu.cn/info/1079/1319.htm；
https://faculty.tju.edu.cn/256151/zh_CN/index.htm
研究任务3：在线分选自动控制系统研发
设计服务器、输送单元、检测传感器与分选执行机构之间的控制架构，开发速度采集、目标跟踪、结果接收、指令调度、动作触发和状态监测等功能。根据目标坐标、输送速度、模型推理时延及执行机构响应时间，建立识别位置至分选位置的时空映射和动态时延补偿；针对低置信度、相邻物料及位置偏差设置复核、延迟或不执行等规则，实现识别结果、物料轨迹与分选动作的准确对应，形成“目标检测—材质识别—轨迹预测—分选决策—执行控制”闭环控制流程。
学生需求：1人
指导教师：汪清、吉春辉
主页：https://seea.tju.edu.cn/info/1015/1614.htm；
https://me.tju.edu.cn/info/2070/40761.htm
研究任务4：多模态智能分选装备设计与验证
集成照明成像、数据采集、模型运算、物料输送、控制通信及分选执行等功能模块，统一机械、电气和软件接口，完成整机装配、软硬件联调及安全防护。研制实验室级废塑料多模态智能分选系统。设置颜色、老化、污染、输送速度和投料间距等多因素工况，评价系统识别准确率、分选成功率、处理效率和连续运行稳定性，并依据测试结果优化算法参数、执行时序和装置结构。组织环境、计算机、机械等专业学生分别承担样本与光谱分析、识别算法、控制程序和装备集成任务，通过统一接口、共同调试与系统验收形成可运行、可验证的工程系统。
学生需求：1人
指导教师：汪清、吉春辉
主页：https://seea.tju.edu.cn/info/1015/1614.htm；
https://me.tju.edu.cn/info/2070/40761.htm
五、报名及联系方式
环境工程、人工智能、自动化、电子电气、机械工程背景的学生优先，相关课题细节及简历投递，请直接联系各位老师邮箱：
（1）马文超：mawc916@tju.edu.cn
（2）韩亚洪：yahong@tju.edu.cn
（3）汪清：wangq@tju.edu.cn
（4）吉春辉：jichunhui@tju.edu.cn
若有其他未尽事宜请咨询项目组联系人：刘伟宁 18812778223
欢迎各位同学踊跃报名，期待你的加入！！！
面向资源循环的废塑料智能感知与自主分选系统研发
新工科毕设工作组
2026年10月9日
