AI分選推動目標是從混合塑膠廢棄物中獲得工業級回收料

AI分選將回收料品質推升至價值鏈上游

弗勞恩霍夫LBF正將人工智慧定位為實用工具，使混合消費後塑膠廢棄物得以用於要求嚴格的工業應用，而非僅限於低階回收途徑。

K3I-Cycling專案欲解決的問題

回收業者與混煉業者面臨的核心挑戰眾所周知：混合輕量化包裝廢棄物成分多變、污染與老化效應使輸出品質難以穩定。在K3I-Cycling專案中，弗勞恩霍夫LBF與16個合作夥伴共同開發消費後塑膠的AI輔助分選方法，包含黃袋流物料。

根據專案說明，目標是從混合輕量化包裝廢棄物中生產工業可用塑膠回收料。這表示專案不僅止於分選，還結合實驗室與中試規模的回收料生產、材料性能評估，以及添加劑配方的開發（包含生物基穩定劑），使回收材料能客製化用於更高階應用。

對加工業者而言，這點至關重要，因為回收料品質往往在粒料進入押出機前就已決定。老化或污染的變化會導致加工行為不穩、機械性能不一致，以及品牌商信任度受限。K3I-Cycling方法試圖在上游建立更穩健的品質分組，以降低此不確定性。

機器學習結合材料分析

弗勞恩霍夫LBF表示，正結合真實世界的材料分析與機器學習，依老化狀態與雜質對聚烯烴回收料進行分類，進而形成可用以定義材料品質等級的品質集群。

這些等級並非僅為學術探討。專案指出，它們可作為新標準與數位產品護照的基礎，讓轉換商與買家有更透明的方式指定回收原料。對下游使用者而言，這類可追溯的分級能降低回收料廣泛應用的一大障礙：再加工商所能承諾的規格與買家對成品或包裝形式所需規格之間的落差。

弗勞恩霍夫LBF亦表示，其工作包正開發用於評估與後穩定的回收料工具箱。這是工業回收的關鍵步驟，因為輸出品質不僅取決於分選純度，還取決於聚合物在收集、再加工與重複使用後的表現。

”

「達姆施塔特的研究人員正領導回收與回收料生產工作包，並開發用於評估與後穩定回收料的工具箱。」—弗勞恩霍夫LBF表示

人工神經雙胞胎連結整個鏈條

專案的第二個元素是人工神經雙胞胎（Artificial Neural Twin，ANT），它將分選鏈從收集端映射至回收材料的最終使用者。其目的是在整個價值鏈中最佳化純度、短程物流與低價格等參數。

此架構對回收業者與品牌商同樣重要。純度本身無法保證商業成功，若物流過長或成本過高則然。透過建模完整鏈條，專案將回收料品質視為系統性議題，而非單機問題。

消防安全與分選可靠性

專案亦將AI延伸至廠房保護。弗勞恩霍夫LBF表示，其DangerSort系統可在鋰電池引發火災前偵測並排出。這提醒我們，分選技術的評判標準不僅是輸出純度，還包括如何保護廠房運轉時間並降低營運風險。

對分選業者而言，這具有直接商業價值。火災事件可能中斷生產、損壞設備並污染原料流，而更好的偵測則能同時保留產出量與材料價值。在此意義上，用於提升回收料品質的相同AI邏輯，也正被用於使分選線本身更具韌性。

K3I-Cycling傳達的更廣泛訊號是，工業回收料品質正逐漸成為資料問題，而不僅是材料問題。透過連結AI分選、材料分析、後穩定與鏈條廣泛最佳化，弗勞恩霍夫LBF正將回收塑膠推向轉換商早已期待於原生聚合物的製程控制水準。