マテリアルリサイクルと黒色プラスチック選別のためのAI

価値をもたらすのは保証であり、完璧なモデルではない。

Assayは、お使いのNIR選別機が物理的に検知できない黒色プラスチックを回収し、ベールの品質を証明します。トグルを1つ切り替えるだけで、同一ストリーム上の同一モデルがAPR仕様でリジェクトされるベールを出荷してしまいます。ベールを販売可能にするのは、分類器ではなく信頼度ゲートです。

スクラッチから構築された1D-CNNが154バンドのMWIRスペクトルを読み取り、校正済みゲートが証明できない対象物の判定を棄却（アブステイン）し、すべてのベールが署名付き純度証明書とともに出荷されます。実際に実行し、その証明書（レシート）を確認してください。

稼働中のAssayダッシュボードのナレーション付きウォークスルー（5:01）。

85% vs 22.5%

APR Grade Aを満たすベールの割合：ゲートあり vs ゲートなし

同一モデル、40個のランダムな高負荷ストリームベール

0.894

ホールドアウトでの平衡精度、現場ベンチマーク83.4%近傍

MWIR 1D-CNN、1,700個の高負荷ストリーム

2.7–5.3 µm

NIRでは見えないカーボンブラックを捉えるMWIR帯域

154バンド、Specim FX50（エミュレート）

本ページ全体を通して、3つのベンチマークスコープ（単一のdemo-seed-11ベール、40ベールの集計値、60ベールの適合ゲート統計値）は厳密に区別されています。これらが混同されることはありません。

黒いベルト上の黒色トレイは、NIRにとってシグナルゼロの空白領域である

回収の課題は物理学的な問題から始まりますが、それだけで終わるわけではありません。

カーボンブラックは近赤外光を広範に吸収するため、黒いベルト上の黒色PPトレイは標準的な光学NIR選別機に対してほとんど信号を返しません。その結果、対象物は残渣として埋立処分へすり抜けてしまいます。廃棄物ストリームの3%から15%がこのようにして失われる黒色プラスチックであり、年間50,000トンの処理能力を持つMRFで黒色プラスチックが5%混入している場合、これは年間約2,500トンの回収可能な素材に相当し、rPPの価値と埋立処分費用の削減を合わせて年間約220万〜270万ユーロ規模の事業機会となります（Veriprajna WP45調査、2026年）。

中波長赤外（MWIR）帯域（2.7〜5.3マイクロメートル）は、同一の対象物が不可視ではなくなる領域です。ポリマー固有の吸収特性が依然として現れるため、MWIRを読み取るセンサーは、NIRがブラックホールと認識する場所でPP、PE、PVCを識別できます。ここまではセンシングの話です。しかし、スペクトルを読み取ることと、販売可能なベールを生産することは同義ではありません。

MRFが販売するのは精度ではありません。仕様を満たしたベールです。APR Model Bale SpecのGrade A rPPはPP含有率97%以上、PVC含有率0.5%以下と定められており、これに満たないベールはリジェクトされ、1トンあたり50〜150ドルの埋立転送費用が発生し、下流のリサイクル業者との関係を損ないます（Veriprajna WP45調査、2026年）。PPベールにおけるたった1つのPVC偽陰性が、ロット全体に及ぶ塩素問題を引き起こします。困難なのはプラスチックの分類ではありません。ベールの品質を証明することです。

モデルが決してオーバーライドできないゲート

Assayは各対象物を分類した上で、それがベールに含まれるべきか、人間の確認が必要か、あるいは即座にリジェクトすべきかを明快なコードで判断します。分類器が提案し、決定論的ゲートが決裁します。

スペクトルを読み取る

自作のnumpy 1D-CNN（Conv1D×3 からグローバル平均プーリング、2層の全結合層、softmaxへと続く構成）が、154バンドのMWIRスペクトルから各対象物をPP/PE/PS/ABS/PVCに分類し、実際の順伝播・逆伝播、Adam、温度キャリブレーション（温度1.811）を備えています。コンベア上の約5ミリ秒のホットパス内で純粋な数値計算コードとして動作します。判定のいかなる部分にもLLMは存在しません。

推測せず、棄却（アブステイン）する

校正されたmax-softmax信頼度が 0.86未満に低下した場合、その対象物は推測でベールに混入されることなく手動QCへルーティングされ除外されます。また、低い非対称しきい値（0.06）を超えるPVC疑い対象物は塩素リスクとしてハードリジェクトされます。PPベールにおけるPVCの偽陰性は致命的であり、非対称なルールを適用するに値するからです。

ベールを認証する

自動承認された品目のみがベールに蓄積される中で、決定論的ポリシーゲートがコード化されたAPR Model Bale Spec Grade A rPP（PP 97%以上、PVC 0.5%以下）に照らしてベールをチェックします。合格か不合格かはモデルがオーバーライドできないルールであり、すべてのベールが実測純度、各項目の検査結果、モデルハッシュを明記した署名付き（sha256）証明書とともに出荷されます。

対象物ごとのパイプラインは一直線です：エミュレートされた154バンドMWIRスペクトル、バンドごとの標準化、校正された信頼度を伴う1D-CNN分類、信頼度ゲートとPVCハードリジェクト、ベールへの蓄積、決定論的APRポリシーゲート、そして最後に署名付き証明書とライブダッシュボードです。信頼レイヤー（アブステイン、PVCリジェクト、ポリシーチェック）はモデルの外部にあり、人間が読めるコードで記述されています。

この分離こそが堅牢性をもたらす部分です。分類器の精度が向上しようと低下しようと、ゲートは常に同じ役割を果たします。すなわち、曖昧な対象物をベールから除外し、PVCを拒絶します。ゲートをオフに切り替えると、同一ストリーム上の同一の0.894モデルが不合格のベールを出荷してしまいます。これは、保証がニューラルネットワークの重みではなくインフラストラクチャに宿っていることを示す最も明確な証拠です。本デモは決定論的であり（シード11）、約31秒で学習し、その重みをキャッシュするため、すべての実行が完全に再現されます。

1つのトグルがすべてを物語る

以下のスクリーンショットは、実際に稼働しているAssayダッシュボードのものです。スペクトルと対象物は合成データであり、アプリ内でも明記されているとおり、Specim FX50の代役を務める物理ベースのエミュレータによって生成されています。本物であるのは、CNN、ゲート、ポリシーチェック、そして評価です。

信頼度ゲートをオンにした稼働中のAssay MWIRサイドベルトダッシュボード：スキャンヘッドでのライブスペクトルプロット、rPP 121、PE 29、PS 11、ABS 10、PVCリジェクト 31、手動QC 38へと満たされる選別ビン、および緑色の「Bale Certified（ベール認証済み）」プログレスバー。

ガードレールを適用したライブ選別

ライン04で黒色対象物がMWIRサイドベルトを流れます。1D-CNNがスペクトルから各対象物にラベルを付与し、エジェクタスタブがそれを分別します：回収されたPPはrPPビンへ、他のポリマーはそれぞれのビンへ、PVCはハードリジェクトへ送られ、信頼度の低い対象物は推測されることなく手動QCへ保留されます。ゲートがオンの場合、蓄積されたベールは満たされながら認証されます。QCに送られた38個の対象物は、ロットを汚染させないための誠実なコストです。

ゲートをオンにしたAssayの署名付きrPPベール証明書：PP 99.2%、APR Grade A rPPに対して「PASS（合格）」、PP含有率99.2%およびPVC含有率0.00%がともに確認され、ベール内対象物121個、手動QCルーティング38個、捕捉PVC 17個、漏出0個。

合格ベール（ゲートオン）

デモシード11において、ゲートを適用したベールはPP 99.2%、PVC漏出0.00%を測定し、APR Grade A rPPとして合格します。この証明書は単なるマーケティングバッジではありません。実測組成を一覧表示し、APRの各項目を合否でチェックし、17個のPVC対象物が捕捉され漏出がゼロであったことを、年間50,000トンの施設プロファイルに対してライブ計算された回収トン数および収益とともに記録します。実行ごとに再生成され、提出可能なJSONまたは印刷可能なHTMLとしてエクスポートできます。

ゲートをオフにした同一ストリームに対するAssayの証明書：PP 94.2%、「FAIL（不合格）」でベールはリジェクト、PP含有率94.2%で97%基準を満たさず、PVC含有率1.94%で0.5%基準を満たさず、両方に赤い×印が付与。

不合格ベール（ゲートオフ、同一モデル）

信頼度ゲートをオフに切り替えると、分類器はナイーブなargmax（最大確率判定）に戻ります。モデル自体は何も変わっていません。同一ストリームが、PP 94.2%、PVC 1.94%のベールを出荷することになり、APRの双方の条項を満たせずリジェクトされます：PPは下限97%を下回り、PVCは上限0.5%の約4倍に達します。合格するベールとリジェクトされるベールの差は、より優れたネットワークではなく、アブステインおよびPVCハードリジェクトのレイヤーにあります。これは基盤となるCNNが進化しても変わりません。

MWIR 1D-CNNの0.894、ピーク比ルールベースラインの0.668、RCR 2026年1月の現場ベンチマーク0.834を表示するAssayモデルベンチマークパネル。40個のランダムベールにおいて、APR達成率はゲートありが約85%、ゲートなしが約22.5%。

誠実な精度、そして主張を支える集計値

ベンチマークパネルは、ホールドアウトされた高負荷ストリームにおいてCNNの平衡精度0.894を報告し、解釈可能なピーク比ベースラインの0.668、査読付き現場ベンチマークの0.834（Resources, Conservation & Recycling、2026年1月）と並べて表示しています。これにより、モデルは自己採点されることなく、実験室の99%ではなく誠実な現場の数値の近くに位置づけられます。その下にある集計値こそが要点です：40個のランダムな高負荷ストリームベールにおいて、ゲート適用ベールがAPR Grade Aを満たす割合は約85%であるのに対し、ゲートなしでは約22.5%にとどまります。

3.0 m/sにおけるAssay計算アーキテクチャ遅延パネル：最適化されたエッジGPU（Jetson AGX Orin、TensorRT、14 ms）が推奨され、約3.4ノズルにわたる42 mmの噴射幅を実現、FPGAデータフローは「正当化されない」と判定され、32,000ユーロと約20週間を削減。

計算上可能であれば安価なハードウェアを推奨する

遅延エンジンは、移動距離を「ベルト速度 × 検知から噴射までの遅延」として計算し、噴射幅がエジェクタノズルピッチの約4ピッチ以内に収まる場合にアーキテクチャが十分であると判定します。3.0 m/sでは、最適化されたエッジGPU（Jetson AGX Orin、TensorRT、14 ms）を推奨します。その42 mmの噴射幅はウィンドウ内の約3.4ノズルピッチに収まり、FPGAは正当化されないと明記し、32,000ユーロと約20週間を削減します。ベルト速度を約3.6 m/sを超えて引き上げると、率直にFPGAへと切り替わります。より高価な部品を不当に売り込むことはありません。

実測値とその厳密なスコープ

これらは合成データながら誠実なデータに基づくデモ評価値であり、オープンワールドや本番稼働での保証ではありません。以下の3つのスコープはそれぞれ異なるデータセットであり、決して混同されることはありません。

測定項目	スコープ	値
モデルの平衡精度 / マクロF1	ホールドアウト高負荷ストリーム、n=1,700	0.894
ピーク比ルールベースライン	同一のホールドアウトストリーム（基準）	0.668
査読付き現場ベンチマーク	RCR、2026年1月（文脈参考値、自社データ外）	0.834
ゲート適用ベールのAPR Grade A達成率	40個のランダムな高負荷ストリームベール	~85%
ゲートなしベールのAPR Grade A達成率	同一40ベール、ナイーブargmax	~22.5%
単一のdemo-seed-11ベール（ゲートあり）	1ベール、ゲートオン	99.17% PP / 0% PVC → PASS
単一のdemo-seed-11ベール（ゲートなし）	同一ベール、ゲートオフ	94.19% PP / 1.94% PVC → FAIL
手動QCルーティング / PVC捕捉 / PP回収率	60ベール適合ゲートセット	~12.6% / ~99.8% / ~71.2%

主張を決定づける数値は、同一モデルにおけるゲートありとゲートなしの格差です。分類器の精度向上は時間がかかり頭打ちになりやすい取り組みです。アブステイン＆リジェクト層を有効にするだけで、現在お持ちのモデルのまますぐに、ベールが合格する確率を約22.5%から約85%へと引き上げることができます。適合ゲートには率直なコストが伴います：ストリームの約12.6%が手動QCへ回り、PPの回収率は全量ではなく約71.2%となります。ベールを不合格にする代わりに多くをQCへと回し、60ベール全体でわずか1件の漏出にとどめつつ約99.8%のPVCを捕捉します。

本デモが対象としないこと

これはメカニズムを実証する実行可能なデモであり、実ライン上に導入されたパイプラインではありません。
Specim FX50センサーは物理ベースの合成スペクトルジェネレータによってエミュレートされており、PLCと空圧エジェクタはログ記録されたOPC-UAスタブであり、RGB対象物セグメンテーションは既知のものと仮定されています。ここにあるいかなる要素も、稼働中のセンサーフィードや実際に動作したエジェクタではありません。
0.894はホールドアウトされた高負荷ストリームのテスト数値（n=1,700）であり、Specimの実験室における約99%の数値ではなく、オープンワールドでの保証でもありません。私たちはこれを査読付き現場ベンチマークの83.4%に基準づけています。
60ベールにわたってPVC漏出1件、QCルーティング約12.6%、PP回収率約71%を示しています。これは優れており誠実なものですが、完璧ではなく、PVCゼロ、混入ゼロ、純度100%を主張するものではありません。
私たちが構築するのはベンダー中立なレトロフィット用サイドベルトの頭脳（ブレイン）であり、機械そのものではありません。TOMRA、Steinert、Machinex、Pellenc、その他の市販選別機を複製、代替、凌駕するものではなく、一次NIR選別の下流に配置されます。
この証明書は提出可能な純度の証拠であり、PPWR、カリフォルニア州SB 54、RecyClass、EPRのコンプライアンス、認証、適合性の主張ではありません。これらの規制は文脈として引用されています。
WEEE/XRF臭素フュージョン、週間再校正ループ、代替センサー認定は将来の拡張パスとして保留されており、ここでは実演されていません。
いかなる顧客、MRF、リサイクル業者、現場での処理トン数も示唆されていません。RCR 2026年1月、APR、PPWR、SB 54、RecyClass、および言及された選別機メーカーは公開された参考文献であり、当社のクライアントではありません。

プラントおよびリサイクル技術チームからよくある質問

NIR選別機がまったく検知できない黒色プラスチックをどのように選別するのですか？

カーボンブラックは近赤外光を広範に吸収するため、黒いベルト上の黒色トレイは光学式NIR選別機にとってシグナルゼロの空白領域となります。しかし、その中波長赤外（2.7〜5.3マイクロメートル）シグネチャは空白ではありません。ポリマー自身の吸収帯がそこになお現れるためです。Assayは対象物ごとに154バンドのMWIRスペクトルを読み取り、スクラッチから書かれたnumpy 1D-CNNがそれをPP、PE、PS、ABS、PVCに分類します。本デモにおいてFX50センサーは物理ベースのスペクトルジェネレータによってエミュレートされており、その旨はアプリ内で明記されています。

これを利用するために既存のNIR選別機を取り外す必要がありますか？

いいえ。Assayは、一次NIR選別から排出される黒色プラスチック濃度の高い残渣リジェクトを読み取るサイドベルトセンシングステーションです。すでに運用されている選別機の下流に配置され、そのままでは残渣や埋立地にすり抜けてしまう画分を回収します。TOMRA、Steinert、Machinex、Pellenc、その他の市販選別機を代替または模倣するものではなく、それらより優れた選別性能を誇るものでもありません。

分類器の精度は、実際にはどの程度ですか？

学習時よりも意図的に汚れを多くした分布における1,700個の対象物のホールドアウト高負荷ストリームにおいて、MWIR 1D-CNNは0.894の平衡精度を記録し、0.668の解釈可能なピーク比ルールベースラインをアンカーとしつつ、査読付き現場ベンチマーク（Resources, Conservation & Recycling、2026年1月）の83.4%の近傍に位置しています。私たちは意図的にこの誠実なコールドスタート帯域を提示しています。Specimの実験室での約99%という数値を自社のものとして引用することはありませんし、0.894はテストセット上の数値であり、オープンワールドでの保証ではありません。

モデルが完璧でない場合、ベールが仕様を満たすことをどのように保証できるのですか？

その保証は分類器からではなく、モデル外部のインフラストラクチャからもたらされます。校正された信頼度ゲートが、softmax値0.86未満の対象物を推測でベールに混入させる代わりに手動QCへと除外（アブステイン）し、PVCは塩素リスクとしてハードリジェクトされ、決定論的ポリシーゲートが蓄積されたベールをAPR Model Bale Spec（Grade A rPPはPP 97%以上、PVC 0.5%以下）に照らしてチェックします。40個のランダムな高負荷ストリームベールにおいて、ゲート適用ベールは約85%の確率でAPR Grade Aを満たすのに対し、同一モデルでのナイーブなargmax判定では約22.5%にとどまります。

ベール証明書は、監査人に対して実際に何を証明するのですか？

すべてのベールは、JSONとして保存可能または印刷可能なHTMLとして、ベールの実測組成、合否チェックされた各APR条項、モデルハッシュとアーキテクチャ、信頼度しきい値、自動承認・QC除外・ハードリジェクトの各数量、さらには回収トン数と収益を明記した署名付き（sha256）記録とともに出荷されます。これは純度の証拠であり、規制上の認証ではありません。当社はPPWR、SB 54、RecyClassへの適合性を主張するものではありません。

これをライン速度で実行するには高価なFPGAハードウェアが必要ですか？

標準的なベルト速度では不要です。遅延エンジンは、移動距離をベルト速度 × 検知から噴射までの遅延として計算し、噴射幅がエジェクタノズルピッチの約4ピッチ以内に収まるかをチェックします。3.0 m/sでは、最適化されたエッジGPU（Jetson AGX Orin、TensorRT、14 ms）を推奨します。その42 mmの噴射幅は約3.4ノズルピッチに収まり、FPGAは正当化されないと判定し、32,000ユーロと約20週間を削減します。ベルト速度を約3.6 m/sを超えて押し上げると、率直にFPGAへと切り替わります。計算上許容される限り、常により安価な選択肢を推奨します。

技術研究

本デモの背後にある研究：アーキテクチャ、検証設計、およびエンタープライズブループリント。

完全なソリューション

マテリアルリサイクルと黒色プラスチック選別のためのAIソリューションを見る →

分類器とベールの間に純度ゲートを配置する

リジェクトされたベールによって収益と下流企業との信頼関係が損なわれている場合、その根本原因（障害モード）はモデルではなくゲートの欠落にあります。

私たちは、校正されたアブステイン、PVCハードリジェクト、そして決定論的ポリシーゲートによって、実直で優れた分類器を提出可能なベール証明書へと昇華できることを示すためにAssayを開発しました。同一のフレームワークは、異なる仕様や異なるセンサーにも対応します。お客様のラインで失われている黒色画分の割合と、リサイクル業者が要求するグレードをお知らせいただければ、ゲート付き回収ステーションが適合するかどうかを共に検討いたします。

黒色画分の回収レビュー

✓ NIR選別が残渣として損失している黒色プラスチックの推定
✓ 下流のリサイクル業者が要求するベール仕様の明確化
✓ 選別機下流におけるMWIRサイドベルトステーションの要件定義
✓ 目標グレードに必要なアブステインおよびPVCリジェクトしきい値の設定

ゲート付き回収ステーションの構築

✓ 検査可能なコードとしての分光分類器および決定論的ゲート
✓ QCへの校正済みアブステインおよび非対称PVCハードリジェクト
✓ お客様の仕様に照準したベールごとの署名付き純度証明書
✓ 十分かつ最も安価な計算資源を選定するベルト速度遅延計算

WhatsAppで問い合わせるチームにメールを送る