提出一种面向多质量状态智能分类的集成学习模型。该模型通过对注射成型过程中5个关键阶段的工艺参数进行分段采集与特征构建,并融合主成分分析(PCA)与XGBoost算法进行降维与特征筛选,最终基于筛选后的特征构建随机森林(RF)分类模型,实现高精度质量预测,精确度达91 %,召回率达93 %,F1分数达91 %,准确率达93 %。