纺织品回收新篇章：NIR分选机技术推动循环经济

一件被丢弃的废旧纺织品，在先进的NIR分选系统中获得新生，这正是纺织循环经济的关键一环。
01 NIR分选技术：基本原理与特点

NIR分选技术基于近红外光谱分析原理，通过照射纺织品并分析其反射的光谱信号，识别出不同纤维材质的独特“光谱指纹”。

这种非破坏性的检测方法不使用化学试剂，对物品无破坏性处理，不影响商业流通。

当近红外光打在纺织品上，不同纤维材料会产生各异的光谱响应。比如，聚酯、棉、尼龙、压克力、醋酸、羊毛及聚酯与棉混纺等材质都展现出独特的光谱特征，使机器能够准确区分。

02 技术突破：从基础识别到智能分选

面对混纺材质复杂分类的挑战，研究人员不断推进NIR分选技术的能力边界。

一项突出的创新是将卷积神经网络（CNN）方法应用于NIR光谱识别。通过将一维光谱数据转换为二维灰度图像，系统能更深入地提取光谱特征，实现数据降维和分类准确性的提升

工研院开发的“纤维分选器技术”则引入了拉曼光谱分析与AI演算法的结合，选用波长1064奈米的雷射光作为激发源，有效避开染料对结果的干扰，将聚酯纤维的辨识准确率推升至95%。

自追焦技术的应用更进一步，能在衣物快速经过输送带时，即时侦测衣物皱摺与表面起伏，同步调整侦测器的透镜，让雷射光始终落在焦平面上。

03 现实挑战：污染与混纺的影响

NIR分选技术在实地应用中面临诸多挑战，其中表面污染和混纺材料的问题尤为突出。

研究表明，水分在1368-1459纳米波段会显著影响光谱特征，导致棉涤混纺分类准确率降至39.1%。棉纤维因吸湿性强，其1430纳米特征峰与水分吸收峰重叠，造成混合纤维分类困难。

清洗虽可去除92%的表面污染物，但无法完全消除纤维内部吸附的水分

针对这些挑战，研究人员提出了波段分割策略，针对不同纤维类型优化光谱预处理方法，并建立基于机器学习的动态污染补偿模型

04 实践应用：技术落地与循环体系建设

NIR分选技术已在多个实际场景中展现价值。沛德永续科技的纺织材质智能分选系统运用NIRs光谱及演算法技术，可自动侦测740公吨废纺/年，精準度高達85%。

工研院的纤维分选器每年可处理约4000至7000吨纺织品，其中约1400吨为可回收再利用的聚酯纤维，相当于减碳1232吨。

分选后的聚酯纤维可根据含量高低找到不同利用路径：高含量聚酯的混纺纤维可进行“解聚-再聚”程序，重新製成再生聚酯纤维；聚酯含量较低的纤维则可通过增韧相容剂与异型押出技术，做成高强度环保木塑建材。

05 未来展望：智能化与标准化并行

随着欧盟2025年强制纺织品分类政策的推进
，以及品牌商对再生材料使用的承诺

，NIR分选技术将迎来更广阔的应用空间。

未来，NIR分选技术将更深入地融合人工智能与边缘计算能力

，实现分选模型的自主学习和持续优化。

数据开放标准的建立也将成为关键，以破除当前厂商对传感器分选机算法的技术垄断。