紡織品回收新篇章：NIR分選機技術推動循環經濟

一件被丟棄的廢舊紡織品，在先進的NIR分選系統中獲得新生，這正是紡織循環經濟的關鍵一環。
01 NIR分選技術：基本原理與特點

NIR分選技術基于近紅外光譜分析原理，通過照射紡織品并分析其反射的光譜信號，識別出不同纖維材質的獨特“光譜指紋”。

這種非破壞性的檢測方法不使用化學試劑，對物品無破壞性處理，不影響商業流通。

當近紅外光打在紡織品上，不同纖維材料會產生各異的光譜響應。比如，聚酯、棉、尼龍、壓克力、醋酸、羊毛及聚酯與棉混紡等材質都展現出獨特的光譜特征，使機器能夠準確區分。

02 技術突破：從基礎識別到智能分選

面對混紡材質復雜分類的挑戰，研究人員不斷推進NIR分選技術的能力邊界。

一項突出的創新是將卷積神經網絡（CNN）方法應用于NIR光譜識別。通過將一維光譜數據轉換為二維灰度圖像，系統能更深入地提取光譜特征，實現數據降維和分類準確性的提升

工研院開發的“纖維分選器技術”則引入了拉曼光譜分析與AI演算法的結合，選用波長1064奈米的雷射光作為激發源，有效避開染料對結果的干擾，將聚酯纖維的辨識準確率推升至95%。

自追焦技術的應用更進一步，能在衣物快速經過輸送帶時，即時偵測衣物皺摺與表面起伏，同步調整偵測器的透鏡，讓雷射光始終落在焦平面上。

03 現實挑戰：污染與混紡的影響

NIR分選技術在實地應用中面臨諸多挑戰，其中表面污染和混紡材料的問題尤為突出。

研究表明，水分在1368-1459納米波段會顯著影響光譜特征，導致棉滌混紡分類準確率降至39.1%。棉纖維因吸濕性強，其1430納米特征峰與水分吸收峰重疊，造成混合纖維分類困難。

清洗雖可去除92%的表面污染物，但無法完全消除纖維內部吸附的水分

針對這些挑戰，研究人員提出了波段分割策略，針對不同纖維類型優化光譜預處理方法，并建立基于機器學習的動態污染補償模型

04 實踐應用：技術落地與循環體系建設

NIR分選技術已在多個實際場景中展現價值。沛德永續科技的紡織材質智能分選系統運用NIRs光譜及演算法技術，可自動偵測740公噸廢紡/年，精準度高達85%。

工研院的纖維分選器每年可處理約4000至7000噸紡織品，其中約1400噸為可回收再利用的聚酯纖維，相當于減碳1232噸。

分選后的聚酯纖維可根據含量高低找到不同利用路徑：高含量聚酯的混紡纖維可進行“解聚-再聚”程序，重新製成再生聚酯纖維；聚酯含量較低的纖維則可通過增韌相容劑與異型押出技術，做成高強度環保木塑建材。

05 未來展望：智能化與標準化并行

隨著歐盟2025年強制紡織品分類政策的推進
，以及品牌商對再生材料使用的承諾

，NIR分選技術將迎來更廣闊的應用空間。

未來，NIR分選技術將更深入地融合人工智能與邊緣計算能力

，實現分選模型的自主學習和持續優化。

數據開放標準的建立也將成為關鍵，以破除當前廠商對傳感器分選機算法的技術壟斷。