人工智能驅(qū)動(dòng)NIR分選技術(shù)：廢舊紡織品的綠色革命
01 技術(shù)突破：當(dāng)NIR遇見(jiàn)AI
在分選技術(shù)領(lǐng)域，近紅外光譜分析并非的全新概念，但人工智能的加入使其煥發(fā)了全新活力。
NIR分選技術(shù)通過(guò)對(duì)待檢測(cè)物品進(jìn)行近紅外光譜掃描，依據(jù)物質(zhì)成分的不同光譜響應(yīng)實(shí)現(xiàn)識(shí)別。
而人工智能，特別是卷積神經(jīng)網(wǎng)絡(luò)（CNN）模型的引入，大幅提升了識(shí)別精度與速度。
一項(xiàng)2023年的研究展示了這一技術(shù)的潛力：研究者利用自主研制的“纖維制品在線(xiàn)近紅外識(shí)別與分選裝置”，對(duì)12類(lèi)1060個(gè)廢舊纖維織物樣本進(jìn)行在線(xiàn)近紅外光譜采集。
基于這些光譜數(shù)據(jù)，他們建立的CNN識(shí)別模型實(shí)現(xiàn)了96.6%的準(zhǔn)確率。
02 工作原理：從光譜到智能判斷
人工智能NIR分選系統(tǒng)的工作流程包含幾個(gè)關(guān)鍵環(huán)節(jié)。
系統(tǒng)首先采集樣品的在線(xiàn)原始NIR譜圖，將901～2500 nm的一維數(shù)組歸一化后轉(zhuǎn)化為40×40像素的二維灰度圖像。
隨后，CNN模型通過(guò)交替進(jìn)行多次卷積和池化操作，提取光譜特征、壓縮數(shù)據(jù)并實(shí)現(xiàn)降維。
通過(guò)模型計(jì)算，系統(tǒng)得到每類(lèi)廢舊紡織品樣本的類(lèi)別概率值，取大值作為分類(lèi)結(jié)果。
整個(gè)識(shí)別和分選過(guò)程每個(gè)樣品不到2秒，實(shí)現(xiàn)了廢舊紡織品的大規(guī)模快速處理。
03 應(yīng)用價(jià)值：多元場(chǎng)景的解決方案
人工智能NIR分選技術(shù)的應(yīng)用價(jià)值在多領(lǐng)域凸顯。
在紡織品回收領(lǐng)域，該技術(shù)可快速識(shí)別棉、麻、毛、絲、滌等多種纖維材料，解決傳統(tǒng)分選方式周期長(zhǎng)、成本高、污染環(huán)境的問(wèn)題。
在塑料制品回收方面，它能夠識(shí)別不同種類(lèi)的塑料，為回收利用提供技術(shù)支持。
在農(nóng)業(yè)領(lǐng)域，如Brimrose的種子分選系統(tǒng)，可對(duì)玉米、大豆、咖啡、花生等種子進(jìn)行無(wú)損分析和分選，測(cè)量油、蛋白質(zhì)、水分等多種指標(biāo)。
04 市場(chǎng)前景：智能分選的未來(lái)趨勢(shì)
全球AI光學(xué)分選機(jī)市場(chǎng)正呈現(xiàn)穩(wěn)定增長(zhǎng)態(tài)勢(shì)。據(jù)統(tǒng)計(jì)，2024年全球AI光學(xué)分選機(jī)收入規(guī)模約14.75億元，預(yù)計(jì)到2031年將接近27.13億元。
這種增長(zhǎng)源于社會(huì)對(duì)資源再利用的需求增加，以及各類(lèi)行業(yè)對(duì)自動(dòng)化和智能化分選解決方案的青睞。
AI光學(xué)分選機(jī)現(xiàn)已細(xì)分為基于近紅外傳感器、高光譜成像傳感器和RGB相機(jī)等不同類(lèi)型，滿(mǎn)足不同場(chǎng)景的應(yīng)用需求。
未來(lái)，隨著深度學(xué)習(xí)算法的不斷迭代與硬件成本下降，人工智能NIR分選技術(shù)將在全球工業(yè)領(lǐng)域?qū)崿F(xiàn)更廣泛普及。
從大型回收企業(yè)到小型分類(lèi)車(chē)間，人工智能NIR分選技術(shù)的應(yīng)用范圍正在不斷擴(kuò)大。它不再局限于紡織品分選，已延伸至種子品質(zhì)檢測(cè)、塑料分類(lèi)乃至礦產(chǎn)分選等多個(gè)領(lǐng)域。
隨著全球?qū)ρh(huán)經(jīng)濟(jì)重視程度的不斷提升，這項(xiàng)技術(shù)有望成為資源回收行業(yè)的標(biāo)準(zhǔn)配置，讓更多可回收物重獲新生。
