《Sustainable Production and Consumption》：Design–sorting mismatch limits circularity in fast-fashion garments
编辑推荐：
自动化纺织品分拣（Automated Textile Sorting, ATS）日益被推广为实现纤维到纤维回收（fibre-to-fibre recycling）的关键使能技术，然而其有效性取决于服装的设计方式是否能够被当前基于近红外（Near-Infrare
自动化纺织品分拣（Automated Textile Sorting, ATS）日益被推广为实现纤维到纤维回收（fibre-to-fibre recycling）的关键使能技术，然而其有效性取决于服装的设计方式是否能够被当前基于近红外（Near-Infrared, NIR）的系统所识别和分流。本研究利用H&M和优衣库（Uniqlo）在英国和澳大利亚的零售商产品数据，评估服装层面设计与NIR自动化纺织品分拣的兼容性。研究人员开发了一个基于规则的框架，将已记录的分拣约束转化为可测量的指标，涵盖识别范围（recognition scope）、混纺复杂度（blend complexity）、低占比组分（low-share components）、黑色代理指标（black-colour proxy，用于表征光学风险）以及表面-隐藏材料错配（surface–hidden material mismatch）。在47,522个颜色特异性服装变体中，50.3%违反了至少一项基线分拣相关规则，敏感性范围为45.0%–64.0%。最大的障碍依次为：不支持的识别范围（36.4%）、超过两种纤维的混纺（20.0%）、次要组分可检测性（17.3%）、黑色代理指标所表征的光学风险（13.7%）以及表面-隐藏材料错配（8.2%）。这些发现凸显了面向分拣的设计（design-for-sorting）、可靠的组分级产品信息以及分拣能力的持续发展，是可扩展纺织品循环性的互补性先决条件。
论文解读
一、研究背景与问题
全球纺织循环经济转型已成为主要纺织品市场的重要政策与产业优先事项。欧盟《可持续与循环纺织品战略》及修订后的《废物框架指令》强化了纺织品再利用、回收和分类收集在循环经济中的作用；美国加利福尼亚州2024年通过的《负责任纺织品回收法案》建立了美国首个纺织品生产者责任延伸框架；中国国家政策目标则要求到2025年建成较为完善的废旧纺织品回收体系，包括25%的回收率和每年200万吨再生纤维产出。然而，纺织品循环面临收集与分拣两大紧密关联的瓶颈。2022年，欧盟人均产生约16公斤纺织品废弃物，其中仅约4.6公斤被单独收集，约11.1公斤进入混合生活垃圾。美国环保署估计2018年纺织品产生量为1700万吨，占城市固体废物的5.8%，但回收率仅为14.7%。中国2020年废旧纺织品约2200万吨，仅约五分之一被回收利用。
随着分类收集的扩大，更大体量的异质纺织品需要被分流至再利用、回收和处置路径。当前人工分拣劳动密集、成本高昂，且难以在废物流中纤维组成、颜色、结构和状态高度异质的情况下规模化。基于近红外光谱的自动化纺织品分拣技术因此被日益推广为工业规模材料回收的最有前景路径之一。瑞典马尔默的SIPTex工厂被描述为世界首个工业规模自动化纺织品分拣厂，利用NIR/VIS按纤维类型和颜色分拣纺织品废弃物，报告产能为每年24,000吨。
然而，当前NIR分拣系统存在若干已充分记录的技术限制。现有系统依据预定义的光谱库、参考数据库或训练识别类别对纺织品进行分类，而非识别不受限制的材料组成。商业化的Fibersort系统报告了六种训练纤维类型，并指出含有三种或以上纤维类型或非典型浓度的纺织品更难准确分拣，当前分拣过程主要聚焦于单一材料纺织品。表面相关约束无法仅通过扩展库来解决：深色或富含炭黑的纺织品可能抑制可用光谱信号，涂层、层压和其他整理可能掩盖底层纤维特征。NIR分拣本质上以表面为主导，隐藏的衬里、填充物、粘合层和涂层基底可能完全不在测量信号中或仅被部分表征。
这些技术约束与服装设计密切相关。纺织品循环性研究日益强调，纤维到纤维回收的可行性不仅取决于下游技术，还取决于进入系统的服装材料解剖结构。快时尚因其高产量、快速品类更替、频繁消费和相对较短的使用周期，加速了材料向消费后系统的流转。这引出了本研究的核心问题：当代快时尚和大规模市场产品供应中的服装在多大程度上表现出与当前NIR自动化分拣实际能力不匹配的设计特征？
二、研究内容与核心发现
本研究开发了一个基于规则的框架，将已记录的NIR分拣障碍转化为可测量的服装层面指标，并应用于H&M和优衣库的大型零售商产品数据集。研究以颜色特异性服装变体为分析单位，因为同一名义产品的不同颜色变体在颜色和成分上可能存在差异。最终分析数据集包含47,522个服装变体，其中H&M为41,077个，优衣库为6,445个。在基线定义下，23,908个变体（50.3%）违反了至少一项分拣相关规则，敏感性范围为45.0%–64.0%。即使在相对宽松的假设下，近半数被分析的服装变体仍包含至少一项可能约束、复杂化或降低NIR自动化分拣可靠性的已披露设计特征。
三、主要技术方法
研究人员采用了以下关键技术方法：第一，从H&M和优衣库在英国和澳大利亚的在线产品页面收集产品数据，URL收集集中在2026年3月24日至26日完成，产品详情抓取在3月24日至4月8日期间完成，以确保产品池的时间一致性；第二，建立数据预处理流程，将原始产品页面记录转换为统一的变体层面数据集，包括材料名称标准化（如nylon与polyamide、elastane与spandex、polyester与PES的同义映射）、品类归一化以及组分级成分解析；第三，构建基于规则的评估框架，将五个分拣规则域（SR1–SR5）操作化为可测量的二元通过/违规变量；第四，实施敏感性分析，对SR1、SR3、SR4和SR5采用不同边界规格进行稳健性检验；第五，开展采样结构稳健性分析，分别按零售商-地区门户重复计算，并按母产品等权重进行加权分析。
四、研究结果
4.1 设计-分拣错配的总体流行率与重叠性
约半数被评估的服装变体包含至少一项分拣相关设计障碍。基线定义下50.3%的变体违反至少一项规则，下界和上界敏感性规格分别为45.0%和64.0%。最大的单项障碍是SR1支持识别范围，标记了36.4%的变体，敏感性范围为28.2%–44.7%；SR2混纺复杂度标记了20.0%；SR3次要组分可检测性在基线5 wt%阈值下标记了17.3%，范围为9.4%–31.5%；SR4黑色代理指标在基线精确"黑色"定义下标记了13.7%，在更宽泛的包含"黑色"定义下为18.0%；SR5表面-隐藏材料错配在基线定义下影响8.2%，在任意隐藏层视为障碍时增至19.2%。重叠分析表明，设计-分拣障碍往往聚集在同一服装内，最大基线交集为SR1+SR2+SR3，表明识别范围错配、混纺复杂度和次要组分可检测性在成分复杂的服装中经常同时出现。门户级稳健性分析显示，基线任意障碍比例从H&M澳大利亚的46.6%到优衣库英国的64.4%不等；等母产品权重分析得到48.0%的基线估计，规则排序不变。
4.2 成分相关错配：不支持的识别范围、混纺复杂度与弹性纤维主导的次要组分
SR1失败分解显示，不支持的单一材料仅占SR1失败的4.2%，大多数SR1违规由超过两种纤维的选定成分（占54.9%）和不支持的二元混纺（占40.9%）造成。最常见的SR1基线违规成分包括elastane+nylon、elastane+polyester+viscose、cotton+elastane+polyester、nylon+viscose以及acrylic+elastane+polyester+wool。SR3分析显示，elastane占基线SR3诊断观测的86.2%，表明该规则主要是一个与弹性纤维相关的次要组分可检测性障碍，而非均匀分布于各纤维的广泛低占比材料问题。
4.3 表面可读性：黑色代理指标与表面-隐藏材料错配
基线定义下6,515个变体（13.7%）携带精确的标准化颜色标签"黑色"并被SR4光学风险代理标记。SR5分析显示，在更宽泛的任意隐藏层定义下标记了9,133个变体（19.2%），而替代的主导材料错配定义标记了8.6%，基线>5 wt%隐藏材料错配定义标记了8.2%。最常见的SR5特征包括shell elastane+nylon搭配polyester或cotton衬里、cotton外壳搭配polyester衬里、nylon外壳搭配polyester衬里以及polyurethane涂层搭配polyester衬里。通用衬里标签占基线SR5诊断计数的77.6%。
4.4 分拣相关障碍的品类层面模式
与弹性、贴身、保暖或分层结构相关的品类显示出最高的设计-分拣错配水平。袜子/针织袜类整体错配最高，99%的变体被至少一项基线规则标记，其次是文胸/内衣（90%）。其他高比例品类包括裤子、外套背心、外套大衣、毛衣/开衫、泳装和外套夹克。弹性与贴身品类（如袜子/针织袜类和牛仔裤）主要由成分相关障碍塑造，尤其是SR2和SR3；涉及更复杂服装结构的品类（如文胸/内衣、泳装和外套）则显示SR5表面-隐藏材料错配的更强贡献。
五、讨论与结论
研究讨论指出，技术发展和设计简化应被视为互补策略。受控研究表明NIR模型可对预定义的纯纤维和选定二元混纺类别实现高分类精度，但识别范围的扩展仍依赖于路线特定训练类别、代表性校准样本和下游回收商的纯度要求。弹性纤维在次要组分可检测性障碍中的主导地位表明这是一个设计权衡问题：低占比弹性纤维改善了拉伸、贴合和形状保持，但可能难以被通用NIR系统解析并影响下游回收纯度。表面相关发现指向另一种错配形式：可观察的表面属性不能完全披露光学兼容性或整体服装的材料解剖结构。研究提出三个政策方向：第一，面向回收的设计应明确包含面向分拣的设计；第二，生产者责任计划应考虑分拣相关设计障碍；第三，信息政策应同时解决完整性和可靠性问题，数字产品护照应包含组分级信息并辅以验证和执法。
研究结论指出，在来自两家大型快时尚和大规模市场零售商的47,522个颜色特异性变体中，50.3%表现出至少一项基线分拣相关设计障碍。支持识别范围是最大障碍，其次是混纺复杂度、次要组分可检测性、精确"黑色"标签代理指标和表面-隐藏材料错配。这些估计描述了已披露的产品设计特征，而非实际分拣失败率或未来废物流流行率。研究支持综合应对方案：分拣技术和识别库应继续扩展，同时服装设计应减少可避免的材料复杂性和隐藏不兼容性。组分级数字信息可补充基于表面的传感器，但必须在生命周期结束时保持可访问并得到准确、经验证的披露支持。循环纺织品政策应协调设计、信息、验证、分拣基础设施和回收商原料要求，而非仅依赖任何单一干预措施。
