人工智能驅動NIR分選技術：廢舊紡織品的綠色革命

01 技術突破：當NIR遇見AI

在分選技術領域，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了全新活力。

NIR分選技術通過對待檢測物品進行近紅外光譜掃描，依據物質成分的不同光譜響應實現識別。

而人工智能，特別是卷積神經網絡（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。

基于這些光譜數據，他們建立的CNN識別模型實現了96.6%的準確率。

02 工作原理：從光譜到智能判斷

人工智能NIR分選系統的工作流程包含幾個關鍵環節。

系統首先采集樣品的在線原始NIR譜圖，將901～2500 nm的一維數組歸一化后轉化為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、壓縮數據并實現降維。

通過模型計算，系統得到每類廢舊紡織品樣本的類別概率值，取大值作為分類結果。

整個識別和分選過程每個樣品不到2秒，實現了廢舊紡織品的大規?？焖偬幚?。

03 應用價值：多元場景的解決方案

人工智能NIR分選技術的應用價值在多領域凸顯。

在紡織品回收領域，該技術可快速識別棉、麻、毛、絲、滌等多種纖維材料，解決傳統分選方式周期長、成本高、污染環境的問題。

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支持。

在農業領域，如Brimrose的種子分選系統，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、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穩定增長態勢。據統計，2024年全球AI光學分選機收入規模約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，以及各類行業對自動化和智能化分選解決方案的青睞。

AI光學分選機現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分選技術將在全球工業領域實現更廣泛普及。

從大型回收企業到小型分類車間，人工智能NIR分選技術的應用范圍正在不斷擴大。它不再局限于紡織品分選，已延伸至種子品質檢測、塑料分類乃至礦產分選等多個領域。

隨著全球對循環經濟重視程度的不斷提升，這項技術有望成為資源回收行業的標準配置，讓更多可回收物重獲新生。