Cet article se base sur la technologie d'analyse spectrale par réflexion diffuse proche infrarouge pour réaliser une étude qualitative des matériaux d'emballage alimentaires en polyéthylène et polypropylène. Différentes plages de longueurs d'onde ont été sélectionnées, ainsi que différentes méthodes de prétraitement spectral. L'analyse en composantes principales (Principal component analysis, PCA) combinée à trois méthodes de reconnaissance de modèles SIMCA, Bayésienne et K-plus proches voisins a permis d'établir des modèles qualitatifs de prédiction, et leurs performances ont été comparées selon le taux de reconnaissance correcte. Les résultats montrent qu'entre 1050 et 1550 nm, les modèles qualitatifs élaborés par les méthodes SIMCA, Bayésienne et K-plus proches voisins sont performants. Les données des spectres proche infrarouges des échantillons plastiques ont été traitées par six méthodes de prétraitement spectral : normalisation vectorielle, transformation des variables normales standard, centrage, filtrage par moyenne mobile, lissage polynomial et dérivation du premier ordre, combinées aux trois méthodes de reconnaissance. Dans la gamme 1050~1550 nm, avec trois facteurs principaux, le modèle qualitatif K-plus proches voisins basé sur le spectre brut montre la meilleure performance, avec un taux de reconnaissance correcte de 100% pour les ensembles d'étalonnage et de prédiction. Cette étude peut servir de référence pour la recherche de reconnaissance rapide du polyéthylène et du polypropylène dans les matériaux d'emballage alimentaires.

spectre proche infrarouge; plastique; analyse en composantes principales; taux de reconnaissance correcte