La física, la economía y la inteligencia de la recuperación de plástico negro
Cada año, millones de toneladas de plásticos negros son expulsados sistemáticamente de los flujos de reciclaje y enviados al vertedero, no porque carezcan de valor, sino porque los sensores literalmente no pueden verlos.
La solución de Veriprajna desplaza la observación del infrarrojo cercano (ciego) al infrarrojo de onda media (basado en la química), usando redes neuronales convolucionales 1D para interpretar firmas espectrales invisibles para el ojo humano y para la IA estándar.
Un fallo sistémico invisible para el ojo humano, pero catastrófico tanto para el medio ambiente como para el balance.
El negro de carbón (carbon black) es una forma paracristalina del carbono procedente de la combustión incompleta del petróleo. Actúa como un casi perfecto absorbedor de cuerpo negro en todo el espectro visible/NIR (700-1700 nm).
Para una MRF que procesa 50,000 toneladas/año, un 3.3% de plástico negro = 1,650 toneladas descartadas. A $1,130/tonelada, eso son $1.86M en ingresos perdidos al año.
El PPWR de la UE exige que todos los envases sean reciclables antes de 2030. Si los sensores no pueden verlo, se clasifica legalmente como no reciclable: una amenaza existencial para las marcas.
"Mientras un operador humano ve claramente una bandeja negra en la cinta, el sistema de visión artificial efectivamente no ve nada. Se trata de un fallo de la física que ningún ajuste de contraste de visión artificial ni ingeniería de prompts puede resolver. No se puede realzar una señal que nunca fue capturada."
— Libro blanco técnico de Veriprajna, 2024
Para diseñar una solución, primero hay que diseccionar el modo de fallo de la tecnología establecida.
El sensor caballo de batalla de la industria del reciclaje opera a 900-1700 nm. En los plásticos de colores, la luz penetra, interactúa con los enlaces moleculares (C-H, N-H, O-H) y se refleja de vuelta con una huella espectral única.
Cuando la luz incide sobre el plástico negro, el pigmento de negro de carbón absorbe la radiación incidente antes de que pueda interactuar con la matriz polimérica. El sensor recibe efectivamente una señal de retorno cero.
Existimos en una época tecnológica definida por los LLM y la IA generativa. Muchas "consultoras de IA" ofrecen envolver GPT-4/Claude vía API para resolver problemas empresariales.
Los modelos de IA generativa necesitan datos de entrada para funcionar. En la clasificación de plástico negro vía NIR, los datos de entrada son un conjunto nulo. No hay ninguna curva espectral que analizar; solo hay ruido.
La solución reside en el Deep Tech—la aplicación rigurosa del descubrimiento científico a los problemas de ingeniería. No intentamos que la IA sea más "lista" a la hora de adivinar; nosotros cambiamos la física del sensor para hacer visible lo invisible.
Si los datos no existen en el infrarrojo cercano, debemos dirigir la mirada hacia otra ventana del espectro electromagnético.
La absorción del negro de carbón no es infinita. A medida que aumenta la longitud de onda, la absorción disminuye. Al pasar al MWIR (2.7-5.3 µm), cruzamos un umbral en el que el pigmento se vuelve suficientemente transparente.
Dominado por "sobretonos" de las vibraciones moleculares. Señales débiles, fácilmente sepultadas por la absorción del negro de carbón.
Contiene las vibraciones fundamentales de las moléculas del polímero. Estiramiento C-H, estiramientos carbonilo C=O: señales órdenes de magnitud más fuertes.
La imagen hiperespectral representa un cambio de paradigma: de analizar la apariencia externa a analizar la composición intrínseca.
Analiza forma, textura, etiqueta y color. Poco fiable con residuos aplastados y sucios. Un fragmento de parachoques negro parece idéntico a una bandeja negra.
Analiza la química. Ve firmas químicas:
Veriprajna se apoya en el único sensor comercialmente viable que cubre todo el rango de 2.7-5.3 µm. La complejidad de ingeniería pone de relieve la naturaleza "Deep Tech" de la solución.
Los materiales idénticos en luz visible tienen huellas espectrales únicas en el MWIR. Este gráfico muestra la reflectancia a lo largo de las longitudes de onda; observe la dramática separación en la región MWIR.
Todos los plásticos negros se superponen cerca del 0%. El negro de carbón absorbe todos los fotones visibles: los sensores reciben ninguna señal para clasificar.
Las líneas divergen significativamente. Las vibraciones fundamentales de estiramiento/flexión son órdenes de magnitud más fuertes que los sobretonos del NIR.
Esta capacidad convierte la clasificación de un juego de adivinanzas visual en un análisis químico cuantitativo realizado a la velocidad de la cinta transportadora.
Simulados sobre la base de la espectroscopía vibracional fundamental. La región NIR muestra convergencia; el MWIR muestra una separación clara.
Capturar el hipercubo MWIR es solo la mitad de la batalla. Necesitamos una IA capaz de interpretar firmas químicas complejas con una latencia casi nula.
El reconocimiento de imágenes con IA estándar (ResNet, YOLO) usa CNN 2D diseñadas para reconocer rasgos espaciales: la curva de la oreja de un gato, el rectángulo de una matrícula.
Las botellas de plástico llegan aplastadas, retorcidas y desgarradas. Espacialmente, un fragmento de parachoques negro parece idéntico a una bandeja negra.
Tratar las 154 bandas espectrales como "canales de color" no permite capturar las sutiles relaciones de alta frecuencia que definen las huellas químicas.
Veriprajna aborda el problema no como reconocimiento de imágenes, sino como procesamiento de señales. Para cada píxel, extraemos un vector 1D de 154 valores: el espectro.
Vector 1×154 de valores de reflectancia normalizados
Los kernels lineales aprenden formas espectrales: caída abrupta @ 3.4 µm, hombro ancho @ 4.0 µm, picos dobletes
Probabilidad softmax: [PP: 99%, PE: 0.5%, Otros: 0.5%]
El Specim FX50 genera datos 3D: cada píxel contiene un espectro continuo de 154 bandas para el análisis químico.
Los kernels lineales se deslizan sobre el espectro, aprendiendo a detectar formas espectrales específicas: la "gramática" de los enlaces moleculares.
El NVIDIA Jetson AGX Orin ejecuta el modelo optimizado. Sin latencia de nube. Tiempo de inferencia determinista de <5 ms.
La interfaz PLC activa la eyección neumática o el brazo robótico dentro de un presupuesto total de <20 ms a una velocidad de cinta de 3 m/s.
Velocidad de la cinta: 3 m/s. Distancia cámara→boquilla: ~1 m. Presupuesto de tiempo: 300-500 ms en total (adquisición, preprocesamiento, inferencia, segmentación, sincronización de válvulas).
Jitter = contaminación. Si el chorro de aire se dispara 50 ms tarde, golpea el objeto equivocado. Las CNN 1D aportan una inferencia determinista de menos de 5 ms.
Ajuste los parámetros según el rendimiento y la composición de su planta para modelar el impacto económico
Rango típico de una MRF: 10K-200K toneladas/año
Datos del sector: 3-15% del flujo de residuos según la región
Veriprajna alcanza 90%+ con MWIR+1D-CNN
En un mercado saturado de startups de la "IA para X", Veriprajna se distingue por su profundidad vertical y su integración física.
Las firmas espectrales MWIR de residuos reales, sucios y aplastados no están en la internet pública. Generamos este conjunto de datos y somos sus dueños gracias a los despliegues físicos.
Nuestra solución exige integrar hardware criogénico, computación en el borde y robótica. Eso no lo puede copiar un desarrollador desde una cafetería: requiere rigor de ingeniería.
Muchas MRF tienen buenos sistemas de cintas transportadoras pero cabezas de sensor anticuadas. Veriprajna moderniza los "ojos y el cerebro" sin reemplazar el "cuerpo", lo que reduce el CAPEX.
Cuando podemos "ver" la química, desbloqueamos valor más allá de la simple recuperación de materiales.
Rastrear exactamente qué materiales atraviesan la cadena de reciclaje. Aportar datos granulares sobre tipos de polímero, niveles de contaminación y rendimiento para cumplir el DPP de la UE.
Certificar la pureza de las balas antes de enviarlas a los transformadores. El análisis espectral en tiempo real reduce los lotes rechazados, lo que aumenta la confianza del cliente y permite precios prima.
Dar a los productores datos sobre cuánto de su envase negro específico se recupera realmente, ayudándoles a cumplir los requisitos de notificación de la Responsabilidad Ampliada del Productor.
Las instalaciones estándar de reciclaje utilizan espectroscopía de infrarrojo cercano (NIR) que opera a 900-1700 nm. El pigmento de negro de carbón, una forma paracristalina del carbono procedente de la combustión del petróleo, actúa como un absorbedor de cuerpo negro casi perfecto en todo el espectro visible y NIR. Absorbe la radiación incidente antes de que pueda interactuar con la matriz polimérica, devolviendo efectivamente una señal cero al sensor. El ordenador de clasificación ve 'cinta vacía' y los eyectores neumáticos guardan silencio, enviando al vertedero o a la incineración valiosos polímeros PP, PE, PS y ABS con un valor de hasta $1,200 por tonelada.
La absorción del negro de carbón no es infinita. A medida que la longitud de onda aumenta más allá del NIR, la absorción disminuye. En el rango del infrarrojo de onda media (2.7-5.3 micras), el pigmento se vuelve suficientemente transparente para exponer las vibraciones moleculares fundamentales del polímero subyacente. Estos modos fundamentales de estiramiento C-H, carbonilo C=O y aromáticos son órdenes de magnitud más fuertes que los sobretonos del NIR, produciendo huellas químicas distintas. PP, PE, PS y ABS muestran cada uno firmas espectrales únicas en estas longitudes de onda, lo que permite una clasificación fiable incluso a través de una fuerte pigmentación de negro de carbón. Veriprajna utiliza el sensor Specim FX50 con 154 bandas espectrales a 380 fotogramas por segundo y detectores MCT enfriados criogénicamente.
Para una MRF de tamaño mediano que procesa 50,000 toneladas al año con un contenido de 5% de plástico negro, el estado actual significa 2,500 toneladas enviadas a incineración con una pérdida combinada de aproximadamente 2.5 millones de euros anuales (valor del material perdido más costes de disposición). Con el sistema MWIR de Veriprajna, que logra más del 90% de recuperación, esto se convierte en 2,025,000 euros de ingresos por ventas más 225,000 euros de ahorro en disposición, frente a un CAPEX del sistema de aproximadamente 280,000 euros. El periodo de amortización es inferior a 2 meses, lo que lo convierte en una de las inversiones de mayor ROI disponibles para los operadores de gestión de residuos.
La solución MWIR Hiperespectral + CNN 1D de Veriprajna no solo mejora las tasas de recuperación: transforma radicalmente la física de la observación.
Agende una consulta técnica para analizar el potencial de recuperación de plástico negro de su planta.
Informe completo de ingeniería: fotónica MWIR, arquitecturas CNN 1D, matemáticas del unmixing espectral, fusión de sensores, implementación de computación en el borde, análisis económico, alineación regulatoria y bibliografía completa.