面向加速老化聚丙烯（PP）无损质量评估的信息高效多模态分析工作流设计原则

《Advanced Intelligent Systems》：Design Principles for Information-Efficient Multimodal Analytical Workflows for Nondestructive Quality Assessment of Polypropylene After Accelerated Weathering

　　

向循环塑料经济转型需要对再生材料进行快速可靠的质量评估；然而，信息高效的无损工作流仍需进一步发展。研究人员提出了一种在受控聚丙烯（PP）材料库内设计用于无损质量评估的多模态工作流的策略。一个系统设计的平台由商业原生PP牌号、一个工业后回收PP牌号以及六种回收/原生共混物组成，所有材料均在加速老化后评估，采用互补的无损分析技术表征，包括X射线衍射（XRD）、Raman、红外（IR）和近红外（NIR）光谱以及光学显微术，并结合破坏性Charpy冲击测试。一个集成数据驱动框架不仅评估评估性能，还评估单个模态的增量贡献。该多模态工作流在广泛材料质量范围内估计冲击强度，并揭示替代分析工作流之间的性能层级。在顺序工作流分析中，将XRD与Raman峰描述符和Raman光谱模型相结合可提供最大改善，而后续测量产生的增益较小。与红外和近红外替代方案的直接比较表明，观察到的优势取决于所使用的特征表示。该框架为合理的测量选择提供了基础，但其对异质消费后回收PP的适用性仍需进一步验证。

研究背景：向循环塑料经济转型不仅需要高效回收技术，也需要可靠评估再生材料质量的方法。机械回收虽能保留较多材料价值且能耗低于化学回收，但反复加工、污染和环境暴露会改变聚合物结构并降低力学性能，因此再生聚合物的可靠评价对材料选择、工艺优化和循环制造质量控制十分重要。常规力学性能依赖破坏性测试，如拉伸、弯曲和冲击测试，会消耗试样并限制在线或高通量质量评估；XRD、Raman、IR、NIR和光学成像等无损分析技术虽提供晶体结构、分子构象、化学组成和表面形貌等互补信息，但单一模态只能捕获影响性能的分级结构信息的一部分。对PP等半结晶聚合物，力学性能源于从分子尺度链构象到晶体形态和宏观微结构的分级组织，整合互补模态有望改善无损评估；机器学习已推动异质分析数据的多模态整合，但既有研究多聚焦最大化预测精度，对单个分析模态的相对重要性和多模态分析工作流的信息效率仍缺乏探索。增加测量可改善结构表征，却增加测量时间、仪器成本和操作复杂性，因此识别可靠质量评估所需的最小分析信息与获得高预测精度同样重要，核心是确定哪些模态提供互补而非冗余信息。

研究开展与结论及意义：研究人员在受控PP材料库中建立多模态分析工作流，整合XRD、Raman光谱、IR光谱、NIR光谱、光学显微术与机器学习，并配对无损分析与破坏性Charpy冲击测试，构建模态特异特征和漏损感知嵌套堆叠框架。主建模库在排除AD571后包括36个组成（29个商业原生PP牌号、一个工业后回收PP牌号和六种回收/原生PP共混物）、144个组成–老化组和432个试样。全多模态工作流取得折外决定系数（R²）0.889、均方根误差（RMSE）1.275 kJ m^?2和平均绝对误差（MAE）0.873 kJ m^?2，说明破坏性测试前获取的互补分析信息在所研究材料空间内足以支持可靠无损质量评估。顺序分析显示XRD描述符与Raman峰描述符及Raman光谱模型构成有用核心，后续IR/NIR和图像信息增益较小；直接比较又表明Raman的优势依赖特征表示。研究意义在于将多模态材料信息学从单纯最大化预测精度转向基于互补结构信息合理设计分析工作流，为平衡预测性能、测量模态数量、实验复杂性和适用域提供定量基础，并可减少破坏性测试需求和低价值测量，支持资源高效质量控制；但其向更广泛回收聚合物体系的迁移仍需验证。

关键技术方法：研究所用样本队列来源于商业原生PP牌号、一个工业后回收PP牌号及六种回收/原生PP共混物，经氙弧加速老化形成组成–老化条件，每个条件三个重复。研究人员先进行XRD、Raman、IR、NIR和光学显微五种无损测量，再进行破坏性Charpy冲击测试；随后构建模态特异特征，包括物理可解释的XRD与Raman峰描述符、全光谱偏最小二乘（PLS）预测，以及基于冻结DINOv3 ConvNeXt和DINOv3 ViT-B/16图像编码器的嵌入；采用组成–老化分组五折嵌套交叉验证，以PLS基模型和岭元回归进行漏损感知嵌套堆叠，并用配对组自助法评估顺序贡献。

研究结果：

2.1 多模态实验平台：研究人员通过构建包含30个商业原生PP牌号、一个工业后回收PP牌号和六种回收/原生PP共混物的平台，系统改变材料组成和老化状态；所有建模库试样经30、50、70或100次氙弧老化循环，并在破坏性Charpy冲击测试前完成五种无损表征，从而建立配对的 analytical–mechanical 数据。平台共37个材料组成和444个试样；因AD571冲击强度显著高于其余材料，为避免对回归性能产生不成比例影响，将其排除出模型开发并保留为参考材料；主建模数据因此包括36个组成、144个组成–老化组和432个试样，为在所研究PP组成和老化条件下系统评价互补分析信息提供基础。

2.2 多模态分析工作流验证：通过组成–老化分组五折嵌套交叉验证，研究人员得出全多模态工作流折外R²为0.889、RMSE为1.275 kJ m^?2、MAE为0.873 kJ m^?2；折内R²约0.76–0.91，RMSE在各折间相对稳定，提示R²变化主要反映目标方差差异而非工作流不稳定。残差分析显示低和中等冲击强度区误差接近零，高冲击强度试样尤其呈铰链断裂者更易被低估，说明极韧材料预测更具挑战而工作流在所探索材料空间整体稳健。按材料类别分层，原生-only子集348个试样RMSE为1.332 kJ m^?2、MAE为0.905 kJ m^?2、R²为0.890；含rPP子集84个试样RMSE为1.004 kJ m^?2、MAE为0.741 kJ m^?2、R²为0.482，因两子集冲击强度范围差异很大，较低绝对误差不应解释为均匀更优。按老化水平分层，30、50、70和100次循环的RMSE分别为1.439、1.079、1.269和1.286 kJ m^?2。

2.3 信息高效分析工作流的设计原则：研究人员通过最小模型层级和顺序工作流分析评估各模态增量价值，得出Raman峰描述符单独预测能力明显低于XRD描述符，说明晶体结构信息为工作流构建提供更强基础；XRD与Raman峰描述符组合获得最大改善，说明分子构象信息补充晶体学描述符；再加入Raman光谱模型有进一步提高，而后续IR/NIR和图像信息仅带来边际增益并最终达到全多模态工作流。完整drop-one-block和描述符家族消融显示剩余模态 largely补偿单个IR、NIR和图像块，而限制于PLS输出或直接XRD/Raman描述符会造成更大性能损失；图像编码器在XRD/Raman/IR/NIR核心之外仅提供小幅增量，双编码器模型RMSE最低。顺序贡献分析中，向XRD工作流加入Raman峰描述符使RMSE降低0.56 kJ m^?2，为最大单次改善；加入Raman光谱模型再降低0.14 kJ m^?2，而IR/NIR和图像信息分别仅贡献0.036和0.038 kJ m^?2，沿该测试顺序显示加入XRD和Raman表示后额外测量的数值回报递减。直接比较中，以每种光谱模态一个PLS输出，XRD+Raman、XRD+IR、XRD+NIR和XRD+IR/NIR的RMSE分别为1.732、1.776、2.003和1.758 kJ m^?2；Raman相对IR、NIR和IR/NIR的RMSE降低分别为0.044、0.271和0.026 kJ m^?2，三者95%配对组自助法区间均包含零，故在该共同PLS构建下Raman数值误差较低但未建立相对IR/NIR替代方案的明确优势。XRD/Raman核心再加入49个取向平均Raman峰描述符后RMSE为1.349 kJ m^?2，相对XRD+IR、XRD+NIR和XRD+IR/NIR的降低分别为0.427（95%区间0.242–0.613）、0.655（0.369–0.940）和0.409（0.219–0.593）kJ m^?2，支持所测试的含拟合峰表示的XRD/Raman工作流，但不确立Raman光谱独立于特征表示的内在优越性，且比较受测量光谱范围和采集设置限制，包括NIR范围限于6300–7500 cm^?1。解释性分析显示置换分析中最强固定模型依赖为光谱PLS输出和直接XRD/Raman描述符，图像输出影响较小；在物理可解释描述符层面，若干α相XRD组分和Raman峰组经置换后产生最大误差增加；折平均变量投影重要性（VIP）识别出Raman、IR和NIR中的信息光谱区，但因变量相关不应解释为唯一分子归属；两个图像编码器的折外基模型预测强相关，提示部分冗余学习表示。基于此，研究人员提出在所研究PP库内应优先选择能提供互补结构信息且避免不必要冗余的模态，而非最大化分析测量数量。

2.4 泛化限制与实际意义：研究人员通过替代外层数据拆分评估适用域，得出随机试样拆分与组成–老化分组拆分结果几乎相同（R²分别为0.892和0.889），提示在该数据集中分组重复试样未实质性改变总体性能估计；留出整个老化循环水平使R²降至0.843，而留出完整PP组成使R²大幅降至0.593。该分析中组成定义为单个PP牌号或由组成牌号及质量比确定的特定回收/原生PP共混物；组成留出时外层和内层均按组成标识五折分组，每个留出组成的全部12个试样（包括四个老化水平和每水平三个重复）均从相应训练集排除，留出针对确切牌号或共混配方，其他共享组成牌号的配方仍可留在训练集。结果支持在所研究组成–老化空间内插值，而对留出组成的预测明显较不准确。残差分析进一步显示预测误差更依赖断裂模式和冲击强度区间而非老化历史；完全断裂试样RMSE为1.09 kJ m^?2，铰链断裂试样RMSE为2.94 kJ m^?2，冲击强度超过15 kJ m^?2的试样误差达3.33 kJ m^?2，高冲击试样倾向被系统性低估。研究人员据此指出当前分析描述符未完全捕获控制所研究PP材料断裂阻力的全部结构因素；尽管XRD和Raman有效表征晶体组织和分子构象，橡胶相形态、共聚物架构、分子量分布、界面结构和局部缺陷等也已知影响冲击韧性和断裂行为，纳入可探测这些结构特征的技术可能改善高韧材料预测并扩展适用性。讨论还强调多模态分析工作流不仅应以预测精度评价，也应以信息效率和适用域评价；顺序评估互补模态并结合逐步更严格外推情景验证，为设计稳健工作流并明确适用边界提供实用策略。材料范围限于商业原生PP牌号、一个工业后回收PP牌号和由该回收牌号与两个原生牌号制备的六种共混物，所有建模试样均经加速氙弧老化，因此数据未确立对更广泛消费后回收PP变异性（包括原料来源、污染、添加剂组成和加工历史差异）的适用性；在将所述模态层级或预测性能扩展至这些材料前，需用独立回收PP牌号和消费后物流验证。本研究未量化生命周期负担、仪器成本或测量通量，故所提层级应解释为信息效率框架而非完整环境或技术经济优化。

研究结论翻译：本研究在由原生牌号、一个工业后回收牌号及加速老化后回收/原生共混物构成的受控PP库内，建立了用于无损质量评估的信息高效多模态分析工作流设计框架。通过将XRD、Raman光谱、IR光谱、NIR光谱和光学显微术获得的互补结构信息整合到统一多模态框架中，研究人员在相同实验条件下系统量化了各分析模态的增量贡献。结果表明，可靠质量评估并不需要尽可能多的分析测量；工作流性能取决于分析信息的组合及其数值表示。在顺序工作流分析中，XRD描述符与Raman峰描述符及Raman光谱模型组合形成了在该库内估计Charpy冲击强度的有用核心，而随后加入的分析模态改善较小。与IR/NIR替代方案的直接比较支持该特定工作流，而共同PLS比较并未在附加峰描述符之外确立Raman的明显优势。除展示准确无损质量评估外，本研究为多模态分析工作流设计建立了实用设计原则。对互补分析模态的顺序评估为平衡预测性能、测量模态数量、实验复杂性和适用域提供了定量基础，使能够合理构建适用于实际质量评估需求的高效分析工作流。更广泛地，本工作将多模态材料信息学的重点从最大化预测精度转向基于互补结构信息合理设计分析工作流。所提框架为在限定材料空间内设计信息高效多模态分析工作流提供了策略；其对独立回收PP牌号、异质消费后物流和其他材料系统的适用性仍需进一步验证。