人工智能驅(qū)動NIR分選技術(shù)：廢舊紡織品的綠色革命
01 技術(shù)突破：當NIR遇見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)通過對待檢測物品進行近紅外光譜掃描，依據(jù)物質(zhì)成分的不同光譜響應實現(xiàn)識別。
而人工智能，特別是卷積神經(jīng)網(wǎng)絡(luò)（CNN）模型的引入，大幅提升了識別精度與速度。
一項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“纖維制品在線近紅外識別與分選裝置”，對12類1060個廢舊纖維織物樣本進行在線近紅外光譜采集。
基于這些光譜數(shù)據(jù)，他們建立的CNN識別模型實現(xiàn)了96.6%的準確率。
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關(guān)鍵環(huán)節(jié)。
系統(tǒng)首先采集樣品的在線原始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模型通過交替進行多次卷積和池化操作，提取光譜特征、壓縮數(shù)據(jù)并實現(xiàn)降維。
通過模型計算，系統(tǒng)得到每類廢舊紡織品樣本的類別概率值，取大值作為分類結(jié)果。
整個識別和分選過程每個樣品不到2秒，實現(xiàn)了廢舊紡織品的大規(guī)?？焖偬幚?。
03 應用價值：多元場景的解決方案
人工智能NIR分選技術(shù)的應用價值在多領(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、成本高、污染環(huán)境的問題。
在塑料制品回收方面，它能夠識別不同種類的塑料，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)，可對玉米、大豆、咖啡、花生等種子進行無損分析和分選，測量油、蛋白質(zhì)、水分等多種指標。
04 市場前景：智能分選的未來趨勢
全球AI光學分選機市場正呈現(xiàn)穩(wěn)定增長態(tài)勢。據(jù)統(tǒng)計，2024年全球AI光學分選機收入規(guī)模約14.75億元，預計到2031年將接近27.13億元。
這種增長源于社會對資源再利用的需求增加，以及各類行業(yè)對自動化和智能化分選解決方案的青睞。
AI光學分選機現(xiàn)已細分為基于近紅外傳感器、高光譜成像傳感器和RGB相機等不同類型，滿足不同場景的應用需求。
未來，隨著深度學習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)到小型分類車間，人工智能NIR分選技術(shù)的應用范圍正在不斷擴大。它不再局限于紡織品分選，已延伸至種子品質(zhì)檢測、塑料分類乃至礦產(chǎn)分選等多個領(lǐng)域。
隨著全球?qū)ρh(huán)經(jīng)濟重視程度的不斷提升，這項技術(shù)有望成為資源回收行業(yè)的標準配置，讓更多可回收物重獲新生。
