Deep Tech • כלכלה מעגלית • ספקטרוסקופיה

לראות את הבלתי נראה

הפיזיקה, הכלכלה והאינטליגנציה של שחזור פלסטיק שחור

מדי שנה, מיליוני טונות של פלסטיק שחור מסולקות באופן שיטתי מזרמי המיחזור ונשלחות להטמנה—לא משום שהן חסרות ערך, אלא משום ש החיישנים, פשוטו כמשמעו, אינם רואים אותן.

הפתרון של Veriprajna מעביר את התצפית מאינפרא-אדום קרוב (עיוור) אל אינפרא-אדום בגלים בינוניים (מבוסס-כימיה), באמצעות רשתות נוירונים קונבולוציוניות חד-ממדיות לפענוח חתימות ספקטרליות הבלתי נראות לעין האנושית ול-AI הסטנדרטי.

9%
שיעור מיחזור הפלסטיק העולמי
353M טון פסולת/שנה
3-15%
פלסטיק שחור בזרם הפסולת
בלתי נראה לחיישני NIR
$1,200
ערך לטון PP ממוחזר
השתוות מול פולימר בתולי
<2 חודשים
תקופת החזר ROI
MRF בינוני

החור השחור של הכלכלה המעגלית

כשל מערכתי בלתי נראה לעין האנושית אך קטסטרופלי הן לסביבה והן למאזן.

סינגולריות הפחמן השחור

פחמן שחור (Carbon Black) הוא צורה פארא-גבישית של פחמן הנוצרת בשריפה בלתי מלאה של נפט. הוא פועל כ קולט גוף שחור כמעט-מושלם בכל רחבי הספקטרום הנראה/NIR (700-1700nm).

חיישן NIR → החזרה: 0%
אות: NULL → RESIDUE
💰

ההיקף הכלכלי

עבור MRF המעבד 50,000 טון/שנה, 3.3% פלסטיק שחור = 1,650 טון מושלכים. במחיר $1,130/טון, מדובר ב $1.86M בהפסד הכנסות מדי שנה.

רכב: 240kg פלסטיק/רכב
אלקטרוניקה: מארזי ABS שחורים
FMCG: מגשי אריזה שחורים
⚖️

הכרח רגולטורי

EU PPWR מחייב שכל האריזות יהיו ניתנות למיחזור עד 2030. אם החיישנים אינם רואים אותה, היא מסווגת מבחינה משפטית כבלתי ניתנת למיחזור—איום קיומי על המותגים.

מס הטמנה: €100/טון (EU)
חוקי EPR: אחריות היצרן
ETS: עלות פחמן עבור שריפה

"בעוד שמפעיל אנושי רואה בבירור מגש שחור על מסוע, מערכת ראיית המכונה, למעשה, אינה רואה דבר. זהו כשל של הפיזיקה ששום כיוונון ניגודיות של ראיית מכונה או הנדסת פרומפטים לא יוכל לפתור. לא ניתן לשפר אות שמעולם לא נקלט."

— המאמר הטכני של Veriprajna, 2024

הפיזיקה של העיוורון

כדי לתכנן פתרון, יש תחילה לנתח את מצב הכשל של הטכנולוגיה המקובלת.

ספקטרוסקופיית NIR סטנדרטית

חיישן העבודה המרכזי של תעשיית המיחזור פועל בטווח 900-1700nm. עבור פלסטיק צבעוני, האור חודר, מקיים אינטראקציה עם קשרים מולקולריים (C-H, N-H, O-H) ומוחזר עם טביעת אצבע ספקטרלית ייחודית.

מצב הכשל:

כאשר אור פוגע בפלסטיק שחור, הפיגמנט הפחמני בולע את הקרינה הנופלת עליו בטרם תתאפשר אינטראקציה עם מטריצת הפולימר. החיישן מקבל, למעשה, אפס אות חוזר.

עצם שחור על מסוע שחור = אפס ניגודיות
אות שטוח → מחשב המיון רואה "מסוע ריק"
המפלטים הפניאומטיים נותרים אילמים → פולימר יקר ערך הולך לשארית

מדוע "AI Wrappers" אינם יכולים לתקן זאת

אנו חיים בעידן טכנולוגי המעוצב על ידי LLMs ו-AI ג'נרטיבי. יועצי "AI" רבים מציעים לעטוף GPT-4/Claude דרך API לפתרון בעיות ארגוניות.

שגיאת הקטגוריה:

מודלי AI ג'נרטיביים דורשים נתוני קלט כדי לתפקד. במיון פלסטיק שחור באמצעות NIR, נתוני הקלט הם קבוצה ריקה. אין עקומה ספקטרלית לנתח; יש רק רעש.

היעדר קלט: לא נקלטו נתונים ספקטרליים = אין מה לסווג
סיכון הזיות: לכפות על LLM לסווג רעש = ניחוש, לא חישה
השהיה: קריאות API בענן (100ms-שניות) מול החלטות נדרשות של <10-20ms

Veriprajna טוענת:

הפתרון טמון ב Deep Tech—יישום קפדני של הישגי המדע על בעיות הנדסה. איננו מנסים לעשות את ה-AI "חכם" יותר בניחוש; אנו משנים את הפיזיקה של החיישן כדי להפוך את הבלתי נראה לנראה.

הפתרון הפוטוני: אינפרא-אדום בגלים בינוניים

אם הנתונים אינם קיימים באינפרא-אדום הקרוב, עלינו להעביר את מבטנו אל חלון אחר של הספקטרום האלקטרומגנטי.

החלון האלקטרומגנטי

הבליעה של הפחמן השחור אינה אינסופית. ככל שאורך הגל גדל, הבליעה פוחתת. במעבר אל MWIR (2.7-5.3 µm), אנו חוצים סף שבו הפיגמנט הופך שקוף דיו.

NIR/SWIR (0.9-2.5 µm)

נשלט על ידי "על-טונים" של רטט מולקולרי. אותות חלשים, המוצפים בקלות על ידי בליעת הפחמן השחור.

MWIR (2.7-5.3 µm)

מכיל רטטים יסודיים של מולקולות הפולימר. מתיחות C-H, מתיחות קרבוניל C=O—אותות חזקים בסדרי גודל.

ראייה כימית מול ראיית מכונה

הדמיה היפרספקטרלית מייצגת שינוי פרדיגמה—מניתוח מראה חיצוני לניתוח ההרכב הפנימי.

ראיית מכונה (RGB)

מנתח צורה, מרקם, תווית וצבע. בלתי אמין עבור פסולת כתושה ומלוכלכת. רסיס של פגוש שחור נראה זהה למגש שחור.

הדמיה היפרספקטרלית (HSI)

מנתח כימיה. רואה חתימות כימיות:

  • PE: מתיחת C-H @ 3.4 µm
  • PS: מצבי C-H ארומטיים (חדים, ייחודיים)
  • ABS: חומרים מעכבי בעירה ניתנים לזיהוי (הפרדת WEEE)

Specim FX50: חומרה ברמה תעשייתית

Veriprajna נשענת על החיישן היחיד בעל הכדאיות המסחרית המכסה את מלוא הטווח 2.7-5.3 µm. מורכבות ההנדסה מדגישה את האופי ה"Deep Tech" של הפתרון.

154
פסים ספקטרליים
דגימה ברזולוציה גבוהה
380
פריימים/שנייה
מהירות בזמן אמת
77K
קירור קריוגני
מקרר סטירלינג
MCT
גלאי HgCdTe
מוליך למחצה אקזוטי
בניגוד לחיישני Silicon (RGB) או InGaAs (NIR), MWIR דורש קירור קריוגני למניעת רעש תרמי—המעלה משמעותית את מחסום הכניסה.

טביעות אצבע ספקטרליות: ההיפרדות

חומרים זהים באור נראה מציגים טביעות אצבע ספקטרליות ייחודיות ב-MWIR. התרשים מציג את ההחזרה לאורכי הגל—שימו לב להיפרדות הדרמטית באזור ה-MWIR.

אור נראה (400-700nm)

כל סוגי הפלסטיק השחור חופפים סביב 0%. הפחמן השחור בולע את כל הפוטונים הנראים—החיישנים מקבלים אין אות לסיווג.

MWIR (2700-5300nm)

הקווים מתפצלים באופן משמעותי. רטטי המתיחה/הכפיפה היסודיים חזקים בסדרי גודל מהעל-טונים של ה-NIR.

  • PS: מתיחת C-H ארומטית (פיקים חדים וייחודיים)
  • PP: בליעות C-H אליפטיות (קבוצות מתיל)
  • PE: פסי C-H חזקים @ 3.4 µm

יכולת זו הופכת את המיון ממשחק ניחושים חזותי לניתוח כימי כמותי המתבצע במהירות מסוע.

ספקטרי החזרה: פלסטיק שחור

סימולציה המבוססת על ספקטרוסקופיית רטט יסודית. אזור ה-NIR מציג התכנסות; ה-MWIR מציג היפרדות ברורה.

המנוע הקוגניטיבי: רשתות נוירונים קונבולוציוניות חד-ממדיות

לכידת ההיפרקוב של ה-MWIR היא רק חצי מהדרך. אנו זקוקים ל-AI המסוגל לפענח חתימות כימיות מורכבות בהשהיה של כמעט אפס.

מדוע רשתות 2D-CNN נכשלות בפסולת

זיהוי תמונות AI סטנדרטי (ResNet, YOLO) משתמש ברשתות 2D-CNN שתוכננו לזהות תכונות מרחביות: העקומה של אוזן חתול, המלבן של לוחית רישוי.

חוסר רלוונטיות מרחבית:

בקבוקי פלסטיק כתושים, מסולסלים, קרועים. רסיס של פגוש שחור נראה זהה מבחינה מרחבית למגש שחור.

עיוורון ספקטרלי:

התייחסות ל-154 הפסים הספקטרליים כאל "ערוצי צבע" אינה מצליחה לתפוס את יחסי התדרים הגבוהים העדינים המגדירים את טביעות האצבע הכימיות.

פרדיגמת ה-1D-CNN

Veriprajna מתייחסת אל הבעיה לא כאל זיהוי תמונות, אלא כאל עיבוד אותות. עבור כל פיקסל אנו מחלצים וקטור חד-ממדי של 154 ערכים—הספקטרום.

קלט:

וקטור 1×154 של ערכי החזרה מנורמלים

שכבות Conv1D:

גרעינים ליניאריים לומדים צורות ספקטרליות: צניחה חדה @ 3.4 µm, כתף רחבה @ 4.0 µm, פיקים כפולים

פלט:

הסתברויות Softmax: [PP: 99%, PE: 0.5%, Other: 0.5%]

01

היפרקוב (x,y,λ)

Specim FX50 מייצר נתונים תלת-ממדיים: כל פיקסל מכיל ספקטרום רציף של 154 פסים לניתוח כימי.

טנזור 640×N×154
02

גרעיני Conv1D

גרעינים ליניאריים נעים לאורך הספקטרום ולומדים לזהות צורות ספקטרליות ספציפיות—ה"דקדוק" של הקשרים המולקולריים.

למידת פיקי C-H, C=O
03

הסקה בקצה

NVIDIA Jetson AGX Orin מריץ את המודל הממוטב. ללא השהיית ענן. זמן הסקה דטרמיניסטי של <5ms.

ממוטב TensorRT
04

פעולה בזמן אמת

ממשק PLC מפעיל מפלט פניאומטי או זרוע רובוטית בתוך תקציב כולל של <20ms במהירות מסוע של 3m/s.

אי-דיוק תזמון = זיהום

מדוע 1D-CNN ולא טרנספורמרים/LSTMs?

מודלים אקדמיים: איטיים מדי

מהירות מסוע: 3m/s. מרחק מצלמה→מזלף: ~1m. תקציב הזמן: 300-500ms בסך הכול (אחזור, עיבוד מקדים, הסקה, פילוח, תזמון שסתום).

  • טרנספורמרים: סיבוכיות O(N²), ריבועית באורך הרצף
  • LSTMs: סדרתיים, קשים לביצוע מקבילי, השהיה גבוהה

1D-CNN: מהירות תעשייתית

אי-דיוק תזמון = זיהום. אם סילון האוויר יורה באיחור של 50ms, הוא פוגע בעצם הלא נכון. רשתות 1D-CNN מספקות הסקה דטרמיניסטית מתחת ל-5ms.

  • סיבוכיות ליניארית: O(N), ניתנת לביצוע מקבילי גבוה על GPU
  • ממוטב TensorRT: אלפי פריימים/שנייה על חומרת קצה
מחשבון ROI

חשבו את פוטנציאל השחזור שלכם

התאימו פרמטרים לפי התפוקה והרכב הפסולת של המתקן שלכם כדי לדמות את ההשפעה הכלכלית

50,000 טון

טווח טיפוסי ל-MRF: 10K-200K טון/שנה

5%

נתוני ענף: 3-15% מזרם הפסולת, בהתאם לאזור

90%

Veriprajna משיגה 90%+ באמצעות MWIR+1D-CNN

הכנסה שנתית
$2.03M
@ $900/טון בממוצע
תקופת החזר
1.8 חודשים
CAPEX של $300K

מקרה בוחן: MRF אירופי בגודל בינוני

המצב הנוכחי (NIR עיוור)

תפוקה: 50,000 טון/שנה
פלסטיק שחור (5%): 2,500 טון
עלות שריפה: -€250,000
אובדן ערך חומר: -€2.25M
השפעה כוללת: -€2.5M/שנה

עם MWIR של Veriprajna

שיעור שחזור: 90% (2,250 טון)
הכנסות ממכירה: +€2,025,000
חיסכון בסילוק: +€225,000
CAPEX של המערכת: -€280,000
השפעה שנתית: +€2.25M
תקופת החזר: < 2 חודשים

מיצוב אסטרטגי: ה"חפיר" של ה-Deep Tech

בשוק עמוס בסטארטאפים מסוג "AI for X", Veriprajna מבדילה את עצמה בעומק אנכי ובאינטגרציה פיזית.

🧬

נתונים קנייניים

חתימות ספקטרליות MWIR של פסולת אמיתית, כתושה ומלוכלכת אינן קיימות באינטרנט הפומבי. אנו מייצרים ומחזיקים בבעלות על מאגר הנתונים הזה באמצעות פריסות פיזיות.

לא ניתן לשכפל באמצעות scraping או קריאות API
🔧

חפיר פיזי

הפתרון שלנו דורש אינטגרציה של חומרה קריוגנית, חישוב קצה ורובוטיקה. מפתחים בבית קפה לא יוכלו להעתיק זאת—נדרשת קפדנות הנדסית.

מחסום כניסה גבוה: חומרה + גישה תעשייתית
🔄

יכולת רטרופיט

ל-MRF רבים יש מערכות מסוע טובות אך ראשי חיישן מיושנים. Veriprajna משדרגת את "העיניים והמוח" מבלי להחליף את "הגוף"—ומוזילה את ה-CAPEX.

אינטגרציה עם Tomra, Steinert ותשתית קיימת

הימלטות ממלכודת ה-"Wrapper"

❌ מודל העסקי של AI Wrapper

  • • בניית ממשק מעל API של מישהו אחר (GPT-4, Claude)
  • • אין חפיר: אם OpenAI מוסיפה את הפיצ'ר שלכם, העסק מתאדה
  • • מוגבלים במגבלות המודל שמתחת
  • • לא ניתן "להעלים" בעיות פיזיקה באמצעות פרומפטים

✓ המודל של Veriprajna: Deep Tech

  • • שינוי פיזיקת החיישן כדי ללכוד את המציאות הכימית
  • • בעלות על מאגרי נתונים קנייניים מפריסות תעשייתיות
  • • ארכיטקטורות 1D-CNN מותאמות אישית לעיבוד ספקטרלי
  • • אינטגרציה אנכית: חומרה + AI + חישוב קצה

מעבר למיון: העתיד

ברגע שאנו יכולים "לראות" כימיה, אנו משחררים ערך שחורג משחזור חומרים פשוט.

📋

דרכוני מוצר דיגיטליים

מעקב מדויק אחר החומרים העוברים בשרשרת המיחזור. מתן נתונים מפורטים על סוגי פולימר, רמות זיהום ותפוקה לעמידה בדרישות DPP של ה-EU.

הבטחת איכות

אישור טוהר הבאלות לפני משלוח למעבדים. ניתוח ספקטרלי בזמן אמת מצמצם משלוחים שנדחים, מגדיל את אמון הלקוחות ומאפשר תמחור פרימיום.

🏢

ביקורות EPR למותגים

מתן ליצרנים נתונים על כמה מהאריזות השחורות הספציפיות שלהם משוחזר בפועל, לסיוע בעמידה בדרישות הדיווח של אחריות מורחבת ליצרן (EPR).

FAQ

שאלות נפוצות

מדוע חיישני מיחזור סטנדרטיים אינם מזהים פלסטיק שחור?

מתקני מיחזור סטנדרטיים משתמשים בספקטרוסקופיית אינפרא-אדום קרוב (NIR) הפועלת בטווח 900-1700nm. הפיגמנט הפחמני, צורה פארא-גבישית של פחמן משריפת נפט, פועל כקולט גוף שחור כמעט מושלם בכל רחבי הספקטרום הנראה וה-NIR. הוא בולע את הקרינה הנופלת עליו בטרם תתאפשר אינטראקציה עם מטריצת הפולימר, ומחזיר לחיישן, למעשה, אפס אות. מחשב המיון רואה 'מסוע ריק' והמפלטים הפניאומטיים נותרים אילמים, וכך נשלחים פולימרים יקרי ערך של PP, PE, PS ו-ABS, שערכם עד $1,200 לטון, אל ההטמנה או השריפה.

כיצד הדמיה היפרספקטרלית של MWIR הופכת פלסטיק שחור לנראה?

הבליעה של הפחמן השחור אינה אינסופית. ככל שאורך הגל גדל מעבר ל-NIR, הבליעה פוחתת. בטווח האינפרא-אדום של גלים בינוניים (2.7-5.3 מיקרון), הפיגמנט הופך שקוף דיו כדי לחשוף את הרטטים המולקולריים היסודיים של הפולימר שמתחתיו. הרטטים היסודיים הללו—מתיחת C-H, קרבוניל C=O ומצבים ארומטיים—חזקים בסדרי גודל מהעל-טונים של ה-NIR, ומייצרים טביעות אצבע כימיות מובחנות. PP, PE, PS ו-ABS מציגים כל אחד חתימות ספקטרליות ייחודיות באורכי גל אלה, המאפשרות סיווג אמין גם דרך פיגמנטציה כבדה של פחמן שחור. Veriprajna משתמשת בחיישן Specim FX50 עם 154 פסים ספקטרליים ב-380 פריימים לשנייה, עם גלאי MCT מקוררים קריוגנית.

מהי התשואה הכלכלית על טכנולוגיית מיון פלסטיק שחור ב-MWIR?

עבור MRF בינוני המעבד 50,000 טון בשנה עם 5% תכולת פלסטיק שחור, המצב הנוכחי משמעותו 2,500 טון הנשלחים לשריפה בהפסד משולב של כ-2.5 מיליון יורו בשנה (אובדן ערך חומר בתוספת עלויות סילוק). עם מערכת ה-MWIR של Veriprajna המשיגה 90%+ שחזור, זה מתהפך ל-2,025,000 יורו הכנסות ממכירה בתוספת 225,000 יורו חיסכון בסילוק, מול CAPEX של המערכת בסביבות 280,000 יורו. תקופת ההחזר היא פחות מחודשיים, מה שהופך אותה לאחת ההשקעות בעלות ה-ROI הגבוהות ביותר הזמינות למפעילי ניהול פסולת.

הפסיקו להסתכל על התמונה. התחילו להסתכל על הכימיה.

הפתרון של Veriprajna — MWIR היפרספקטרלי + 1D-CNN — לא רק משפר את שיעורי השחזור, אלא משנה מהיסוד את פיזיקת התצפית.

קבעו התייעצות טכנית לדיון בפוטנציאל שחזור הפלסטיק השחור של המתקן שלכם.

התייעצות Deep Tech

  • • הערכת ישימות של ספקטרוסקופיית MWIR
  • • מודלוג ROI מותאם אישית לתפוקה שלכם
  • • סקירת ארכיטקטורת 1D-CNN עבור זרם הפסולת שלכם
  • • מפת דרכים לאינטגרציה עם תשתית קיימת

תוכנית פיילוט לפריסה

  • • הדגמת Specim FX50 באתר
  • • לוח בקרה בזמן אמת עם ניתוח ספקטרלי
  • • הדרכת מפעילים והעברת ידע
  • • דוח ביצועים מקיף עם נתוני כימיה
WhatsApp: דיון Deep Tech
📄 קראו את המאמר הטכני המלא (17 עמודים)

דוח הנדסי מלא: פוטוניקת MWIR, ארכיטקטורות 1D-CNN, מתמטיקה של פירוק ספקטרלי, מיזוג חיישנים, יישום חישוב קצה, ניתוח כלכלי, התאמה רגולטורית, ורשימת מקורות מקיפה.

רשתות חברתיות

פורסם גם ב