表面污染对使用近红外光谱技术进行自动化纺织品分选的影响

《Waste Management》：Effects of surface contamination on automated textile sorting using NIR-spectroscopy

近红外光谱技术在污染纺织品分类中的应用研究，发现水分在1368-1459nm波段显著影响光谱特征，导致聚酯纤维分类准确率从82.35%提升至100%，而棉涤混纺分类准确率降至39.1%。棉纤维因吸湿性强，其1430nm特征峰与水分吸收峰重叠，导致混合纤维分类困难。实验表明，清洗可去除92%的表面污染物，但无法完全消除纤维内部吸附的水分。研究建议采用波段分割策略，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，为欧盟2025年强制纺织品分类政策提供技术支撑。

　　在当前的背景下，全球范围内对纺织品废弃物的处理正变得越来越重要。随着快速时尚的兴起，纺织品的生产速度加快，但产品质量下降，导致其使用寿命缩短，从而增加了废弃物的产生。根据2024年的数据，欧盟国家每年产生的纺织品废弃物达到了695万吨，每年人均约16公斤，至2022年已增至19公斤。尽管有部分纺织品被回收利用，但大多数仍然被丢弃在混合垃圾中，成为资源浪费的重要来源。这一现象促使欧盟在2025年1月开始强制推行纺织品单独收集政策，旨在提高回收率，减少废弃物对环境的影响。

为了应对这一挑战，科学家们正在探索更有效的分类技术，其中近红外光谱（NIRS）因其非破坏性和高效率而成为研究热点。NIRS能够快速分析纺织品成分，为自动化分类提供了技术基础。然而，纺织品在回收过程中常伴随各种污染，如污渍、水分等，这些污染显著影响了NIRS的分类准确性。因此，本研究通过分析不同污染水平的纺织品样本，探讨了污染对NIRS分类的影响，并试图找到优化分类性能的方法。

研究中使用的样本是从奥地利格拉茨市的混合废弃物中手动挑选出的纺织品，这些样本具有不同的污染程度。通过对这些样本进行NIRS分析，并结合傅里叶变换红外光谱（FTIR）对污染物进行识别，研究人员发现水分是最主要的污染物，其次是油性残留物和颗粒物。水分对NIRS的影响尤为明显，尤其是在1368至1459纳米波段，这一区域的光谱特征会因水分的存在而发生变化，从而影响分类模型的性能。因此，研究团队尝试排除这些水分敏感的波段，观察其对分类准确率的影响。

实验结果显示，排除水分敏感波段后，聚酯含量高的样本分类准确率显著提升，从82.35%提高到了100%。然而，这种做法对棉质和混纺（棉/聚酯）样本的分类准确率产生了负面影响，棉质样本的准确率从100%下降至96.8%，而混纺样本的准确率从60.87%下降至39.1%。这表明，虽然去除水分敏感波段可以改善某些材料的分类效果，但可能会增加其他材料的误分类风险。因此，针对不同纺织品成分，应采用不同的分类模型进行优化。

此外，研究还发现，污染程度较高的样本中，油性残留物和颗粒物对光谱特征的影响较为显著。特别是在污染严重的样本中，油性残留物与灰尘和微塑料共同作用，增加了光谱的复杂性。而水分则在棉质和混纺样本中表现出更强的干扰作用，尤其是在水分含量较高的情况下，棉的特征峰会被水分峰所掩盖，导致分类错误。相比之下，聚酯由于其疏水性，水分对其光谱的影响相对较小，但其表面的污染却可能影响分类的准确性。

在统计分析方面，研究团队使用了主成分分析（PCA）来评估不同污染对光谱数据的影响。PCA结果显示，水分对光谱的干扰最为显著，特别是在棉质和混纺样本中。通过去除水分敏感的波段，聚酯样本的分类准确率得到了显著提升，而棉质样本和混纺样本则面临更大的挑战。因此，研究建议在实际应用中，针对不同材料类型调整分类模型，并考虑污染对光谱特征的具体影响。

研究还指出，为了提高NIRS在纺织品分类中的应用效果，减少污染对分类过程的干扰至关重要。特别是在收集和处理阶段，应尽量避免纺织品与水分接触，以减少污染对分类模型的负面影响。同时，对于混纺材料，由于其成分复杂，分类难度较大，应考虑降低分类阈值，以减少误分类的风险。

综上所述，本研究为优化NIRS在纺织品分类中的应用提供了重要的见解。通过对污染对光谱特征的影响进行深入分析，研究人员揭示了不同材料在污染情况下的分类差异，并提出了针对性的解决方案。这些发现不仅有助于提高纺织品的回收效率，还为实现循环经济目标提供了科学依据。未来的研究应进一步验证这些方法在实际环境中的适用性，以确保其在大规模应用中的可靠性。