La physique, l'économie et l'intelligence de la valorisation des plastiques noirs
Chaque année, des millions de tonnes de plastiques noirs sont systématiquement éjectés des filières de recyclage et envoyés à la décharge — non pas parce qu'ils manquent de valeur, mais parce que les capteurs ne peuvent littéralement pas les voir.
La solution de Veriprajna fait passer l'observation du proche infrarouge (aveugle) à l' infrarouge moyen (basé sur la chimie), en utilisant des réseaux de neurones convolutifs 1D pour interpréter des signatures spectrales invisibles à l'œil humain et à l'IA standard.
Une défaillance systémique invisible à l'œil humain mais catastrophique tant pour l'environnement que pour le bilan.
Le noir de carbone est une forme paracristalline de carbone issue de la combustion incomplète du pétrole. Il agit comme un absorbeur de corps noir quasi parfait à travers le spectre visible/NIR (700-1700nm).
Pour un MRF traitant 50,000 tonnes/an, 3.3% de plastique noir = 1,650 tonnes écartées. À $1,130/tonne, cela représente $1.86M de chiffre d'affaires perdu par an.
Le PPWR européen impose que tous les emballages soient recyclables d'ici 2030. Si les capteurs ne le voient pas, il est juridiquement classé comme non recyclable — une menace existentielle pour les marques.
« Alors qu'un opérateur humain voit clairement une barquette noire sur un convoyeur, le système de vision artificielle ne voit pour ainsi dire rien. Il s'agit d'une défaillance de la physique qu'aucun ajustement du contraste en vision par ordinateur ni aucune ingénierie de prompts ne peut résoudre. On ne peut pas amplifier un signal qui n'a jamais été capturé. »
— Livre blanc technique Veriprajna, 2024
Pour concevoir une solution, il faut d'abord disséquer le mode de défaillance des technologies en place.
Le capteur vedette de l'industrie du recyclage fonctionne à 900-1700nm. Pour les plastiques colorés, la lumière pénètre, interagit avec les liaisons moléculaires (C-H, N-H, O-H) et revient avec une empreinte spectrale unique.
Lorsque la lumière frappe un plastique noir, le pigment noir de carbone absorbe le rayonnement incident avant qu'il puisse interagir avec la matrice polymère. Le capteur reçoit un signal de retour pratiquement nul.
Nous vivons dans une époque technologique définie par les LLM et l'IA générative. De nombreux « cabinets IA » proposent d'envelopper GPT-4/Claude via API pour résoudre les problèmes d'entreprise.
Les modèles d'IA générative nécessitent des données d'entrée pour fonctionner. Dans le tri des plastiques noirs par NIR, les données d'entrée constituent un ensemble vide. Il n'y a aucune courbe spectrale à analyser ; il n'y a que du bruit.
La solution réside dans le Deep Tech—l'application rigoureuse des découvertes scientifiques aux problèmes d'ingénierie. Nous ne cherchons pas à rendre l'IA « plus intelligente » pour deviner ; nous changeons la physique du capteur pour rendre l'invisible visible.
Si les données n'existent pas dans le proche infrarouge, nous devons porter notre regard vers une autre fenêtre du spectre électromagnétique.
L'absorption du noir de carbone n'est pas infinie. À mesure que la longueur d'onde augmente, l'absorption diminue. En passant au MWIR (2.7-5.3 µm), nous franchissons un seuil où le pigment devient suffisamment transparent.
Dominée par les « harmoniques » des vibrations moléculaires. Signaux faibles, facilement submergés par l'absorption du noir de carbone.
Contient les vibrations fondamentales des molécules polymères. Élongations C-H, élongations carbonyle C=O — des signaux plus intenses de plusieurs ordres de grandeur.
L'imagerie hyperspectrale représente un changement de paradigme : passer de l'analyse de l'apparence extérieure à celle de la composition intrinsèque.
Analyse forme, texture, étiquette, couleur. Peu fiable pour des déchets broyés et sales. Un fragment de pare-chocs noir semble identique à une barquette noire.
Analyse la chimie. Voit les signatures chimiques :
Veriprajna s'appuie sur le seul capteur commercialement viable couvrant toute la gamme 2.7-5.3 µm. La complexité d'ingénierie illustre la nature « Deep Tech » de la solution.
Des matériaux identiques en lumière visible ont des empreintes spectrales uniques en MWIR. Ce graphique montre la réflectance selon les longueurs d'onde — notez la séparation spectaculaire dans la région MWIR.
Tous les plastiques noirs se chevauchent près de 0 %. Le noir de carbone absorbe tous les photons visibles — les capteurs ne reçoivent aucun signal pour la classification.
Les courbes divergent nettement. Les vibrations fondamentales d'élongation/de flexion sont plus intenses de plusieurs ordres de grandeur que les harmoniques NIR.
Cette capacité transforme le tri, d'un jeu de devinettes visuelles, en analyse chimique quantitative effectuée à la vitesse du tapis roulant.
Simulation fondée sur la spectroscopie vibrationnelle fondamentale. La région NIR montre une convergence ; le MWIR une séparation nette.
Capturer l'hypercube MWIR n'est que la moitié du chemin. Il nous faut une IA capable d'interpréter des signatures chimiques complexes avec une latence quasi nulle.
La reconnaissance d'images IA standard (ResNet, YOLO) utilise des CNN 2D conçus pour reconnaître des caractéristiques spatiales : la courbe de l'oreille d'un chat, le rectangle d'une plaque d'immatriculation.
Les bouteilles en plastique sont broyées, tordues, déchirées. Spatialement, un fragment de pare-chocs noir semble identique à une barquette noire.
Traiter 154 bandes spectrales comme des « canaux de couleur » ne permet pas de capturer les subtiles relations haute fréquence qui définissent les empreintes chimiques.
Veriprajna envisage le problème non pas comme de la reconnaissance d'images, mais comme du traitement du signal. Pour chaque pixel, nous extrayons un vecteur 1D de 154 valeurs — le spectre.
Vecteur 1×154 de valeurs de réflectance normalisées
Des noyaux linéaires apprennent les formes spectrales : chute nette @ 3.4 µm, large épaulement @ 4.0 µm, pics doublets
Probabilité softmax : [PP : 99%, PE : 0.5%, Autre : 0.5%]
Le Specim FX50 génère des données 3D : chaque pixel contient un spectre continu de 154 bandes pour l'analyse chimique.
Des noyaux linéaires glissent sur le spectre, apprenant à détecter des formes spectrales spécifiques — la « grammaire » des liaisons moléculaires.
Un NVIDIA Jetson AGX Orin exécute le modèle optimisé. Pas de latence cloud. Temps d'inférence déterministe <5ms.
L'interface PLC déclenche l'éjection pneumatique ou le bras robotisé dans un budget total de <20ms à une vitesse de tapis de 3m/s.
Vitesse du tapis : 3m/s. Distance caméra→buse : ~1m. Budget temps : 300-500ms au total (acquisition, prétraitement, inférence, segmentation, temporisation des valves).
Gigue = contamination. Si le jet d'air se déclenche avec 50ms de retard, il touche le mauvais objet. Les CNN 1D offrent une inférence déterministe inférieure à 5ms.
Ajustez les paramètres selon le débit et la composition de votre installation pour modéliser l'impact économique
Plage typique d'un MRF : 10K-200K tonnes/an
Données sectorielles : 3-15% du flux de déchets selon la région
Veriprajna atteint 90%+ avec MWIR+1D-CNN
Sur un marché saturé de startups « IA pour X », Veriprajna se distingue par sa profondeur verticale et son intégration physique.
Les signatures spectrales MWIR de déchets réels, sales et broyés ne se trouvent pas sur l'internet public. Nous générons et possédons ce jeu de données grâce à des déploiements physiques.
Notre solution exige l'intégration de matériel cryogénique, d'informatique embarquée et de robotique. Cela ne peut être copié par des développeurs attablés en café — cela exige une rigueur d'ingénierie.
De nombreux MRF disposent de bons systèmes de convoyage mais de têtes de capteurs obsolètes. Veriprajna modernise les « yeux et le cerveau » sans remplacer le « corps » — réduisant le CAPEX.
Une fois que nous pouvons « voir » la chimie, nous débloquons de la valeur au-delà de la simple valorisation matière.
Suivre précisément quels matériaux traversent la chaîne de recyclage. Fournir des données granulaires sur les types de polymères, les niveaux de contamination et le débit pour la conformité DPP de l'UE.
Certifier la pureté des balles avant expédition aux transformateurs. L'analyse spectrale en temps réel réduit les lots refusés, renforçant la confiance des clients et la tarification premium.
Fournir aux producteurs des données sur la quantité réellement valorisée de leurs emballages noirs spécifiques, aidant à satisfaire les obligations de reporting de la responsabilité élargie du producteur.
Les centres de tri standards utilisent la spectroscopie dans le proche infrarouge (NIR) fonctionnant à 900-1700nm. Le pigment noir de carbone, une forme paracristalline de carbone issue de la combustion du pétrole, se comporte comme un absorbeur de corps noir quasi parfait sur tout le spectre visible et NIR. Il absorbe le rayonnement incident avant qu'il puisse interagir avec la matrice polymère, renvoyant un signal pratiquement nul au capteur. L'ordinateur de tri voit un « tapis vide » et les éjecteurs pneumatiques restent silencieux, envoyant à la décharge ou à l'incinération les polymères précieux PP, PE, PS et ABS, dont la valeur peut atteindre $1,200 la tonne.
L'absorption du noir de carbone n'est pas infinie. Lorsque la longueur d'onde augmente au-delà du NIR, l'absorption diminue. Dans la plage de l'infrarouge moyen (2.7-5.3 micron), le pigment devient suffisamment transparent pour révéler les vibrations moléculaires fondamentales du polymère sous-jacent. Ces modes fondamentaux — élongations C-H, carbonyles C=O et modes aromatiques — sont plus intenses de plusieurs ordres de grandeur que les harmoniques du NIR, produisant des empreintes chimiques distinctes. Le PP, le PE, le PS et l'ABS présentent chacun des signatures spectrales uniques à ces longueurs d'onde, permettant une classification fiable même à travers une forte pigmentation au noir de carbone. Veriprajna utilise le capteur Specim FX50 avec 154 bandes spectrales à 380 images par seconde et des détecteurs MCT refroidis cryogéniquement.
Pour un MRF de taille moyenne traitant 50,000 tonnes par an avec une teneur de 5% en plastique noir, la situation actuelle signifie 2,500 tonnes envoyées à l'incinération, soit une perte combinée d'environ 2.5 millions d'euros par an (valeur matérielle perdue plus coûts d'élimination). Avec le système MWIR de Veriprajna atteignant plus de 90% de valorisation, cela se convertit en 2,025,000 euros de chiffre d'affaires plus 225,000 euros d'économies d'élimination, contre un CAPEX système d'environ 280,000 euros. Le délai de récupération est inférieur à 2 mois, ce qui en fait l'un des investissements au ROI les plus élevés dont disposent les exploitants de gestion des déchets.
La solution MWIR Hyperspectral + 1D-CNN de Veriprajna ne se contente pas d'améliorer les taux de valorisation — elle change fondamentalement la physique de l'observation.
Planifiez une consultation technique pour discuter du potentiel de valorisation des plastiques noirs de votre installation.
Rapport d'ingénierie complet : photonique MWIR, architectures 1D-CNN, mathématiques du démélange spectral, fusion de capteurs, mise en œuvre de l'informatique embarquée, analyse économique, alignement réglementaire, bibliographie exhaustive.