Je optische sorteermachine is blind voor zwart plastic. Wij noemen het geen softwareprobleem meer.

De eerste keer dat ik het probleem echt begreep, stond ik aan het eind van een residulijn te kijken.

Een zwarte polypropyleen bak kwam over de band naar beneden, reed langs een rij optische sorteermachines die het grootste deel van een half miljoen dollar hadden gekost, en viel in de afkeurstroom met al het andere dat op weg was naar de stortplaats. De ejector erboven vuurde nooit. Niet omdat de software een verkeerde beslissing nam. Maar omdat de software helemaal niets zag. Voor die sorteermachine is een zwarte bak op een zwarte rubberen band een leegte. Er is niets om te classificeren.

Die bak is het terugwinnen waard. Zwart PP en PE en ABS maken ergens tussen de 3 en 15 procent van een typische kunststofstroom uit, afhankelijk van de regio, en vrijwel alles daarvan gaat naar residu. Voor een middelgrote installatie telt dat op tot een getal met een komma erin, jaarlijks uitbetaald als stortkosten voor materiaal waar een koper graag voor zou betalen. Dit is de kloof waar we het materiaalterugwinning en zwarte-kunststofsortering-werk van Veriprajna omheen hebben gebouwd: niet "AI naar recycling brengen", want recycling heeft al meer AI dan de meeste industrieën, maar het ene ding oplossen waar al die AI steeds langsloopt.

Ik ging erin met de overtuiging dat dit een machine-learningprobleem was. Ik kwam eruit met het inzicht dat het een natuurkundeprobleem was in een machine-learningkostuum, en dat het waardevolste wat we konden doen soms was een fabrieksdirecteur vertellen minder geld uit te geven dan hij verwachtte.

Waarom wordt een sorteermachine van een half miljoen dollar blind voor zwart plastic?

Standaard optische sorteermachines lezen polymeren met nabij-infrarood licht, in het bereik van 0,9 tot 1,7 micron. De truc is elegant: elk plastic heeft een moleculaire vingerafdruk, en de bindingen erin, de koolstof-waterstof- en zuurstof-waterstofrekvibraties, absorberen specifieke NIR-golflengten in een patroon dat de sensor kan matchen met een bibliotheek. TOMRA, Machinex, Pellenc, het hele high-end veld werkt op een of andere versie hiervan.

Roetzwart doorbreekt dit volledig. Het pigment absorbeert vrijwel al het nabij-infrarode licht voordat het die moleculaire bindingen kan bereiken en terugkaatst. De detector ontvangt niets. Je kunt het model trainen zoveel je wilt; er zit geen signaal in de invoer om van te leren.

Geen enkele hoeveelheid AI-training herstelt een invoer met nulsignaal. De fotonen bereiken de detector nooit. Dit is sensorfysica, geen firmware-update.

Die zin is de hele reden waarom er een andere aanpak bestaat. De oplossing is om te veranderen naar welk deel van het spectrum je kijkt. Middengolf-infrarood, ruwweg 2,7 tot 5,3 micron, leest de fundamentele trillingen van polymeermoleculen in plaats van de zwakke boventonen die NIR oppikt, en naarmate de golflengte stijgt, verzwakt de grip van roetzwart. Bij ongeveer 3 micron wordt het pigment feitelijk transparant, en de koolstof-waterstofrekpiek bij 3,4 micron komt scherp en ondubbelzinnig door. Een zwarte bak die een gat was in de NIR-weergave wordt een schone, gekartelde handtekening in MWIR. De aromatische koolstof-waterstofmodi van polystyreen scheiden zich netjes van de alifatische banden van PE en PP. De camera die we inzetten, een Specim FX50, legt 154 spectrale banden over dat bereik vast. Hij ziet geen zwarte vormen. Hij leest chemische samenstelling op transportbandsnelheid.

Toen ik dit voor het eerst schetste, dacht ik dat het verhaal daar eindigde. Nieuwe camera, nieuw spectrum, probleem opgelost. Het eindigde daar niet.

Het getal dat de brochure je niet wil laten zien

Het marketingmateriaal van Specim, en de meeste pers rond MWIR-sortering, wijzen je naar nauwkeurigheidscijfers rond de 99 procent. Dat was het getal dat ik in mijn hoofd had toen we de classifier begonnen te bouwen. We trainden een 1D-convolutioneel neuraal netwerk op de spectra, zagen het prachtig presteren op schone referentiemonsters, en ik liet mezelf geloven dat we het grootste deel van de weg thuis waren.

Toen lieten we het lopen tegen het soort invoer dat een echte MRF ziet. Geen ongerepte pellets. Hele objecten, geschuurd, bevuild met voedsel, bedekt met labels, overlappend op een bewegende band, met het stof en vuil dat alles in een recyclingfabriek bedekt. De gebalanceerde nauwkeurigheid kwam terug op 83,4 procent.

Ik wil eerlijk zijn over hoe dat aankwam, want het was het belangrijkste moment in het project. Mijn eerste ingeving was dat we iets verkeerd hadden gedaan, dat er een bug in de pijplijn zat, een kalibratie die we hadden overgeslagen. Die was er niet. Een peer-reviewed artikel gepubliceerd in Resources, Conservation and Recycling in januari 2026, over precies dit probleem, MWIR plus een CNN voor identificatie van zwart plastic, rapporteerde hetzelfde soort cijfer op echt afval. De 99 procent was een labgetal. 83 procent was de wereld.

De kloof tussen de labdemo en de vuile band is waar de meeste recyclingtechnologie stilletjes sterft. Wij besloten in die kloof te leven in plaats van hem te verbergen.

Dat herkaderde alles over hoe we pitchen. We stopten met het beloven van bijna-perfecte terugwinning en begonnen te praten over realistische terugwinningspercentages, het soort dat het systeem nog steeds meerdere malen terugbetaalt, want zelfs bij 83 procent is de economie niet marginaal. Een installatie van 50.000 ton per jaar met 5 procent zwart plastic zit op ruwweg 2.500 ton terugwinbaar polymeer. Tegen de geldende prijzen voor gerecycled PP en vermeden stortkosten komt de eerlijke, conservatieve case uit rond de 2,2 tot 2,7 miljoen aan jaarlijkse impact op de winst-en-verliesrekening, tegenover retrofitkosten in de lage honderdduizenden. Je hebt geen 99 procent nodig om die rekensom te laten kloppen. Je moet stoppen met doen alsof je het hebt.

"Koop gewoon de snellere hardware" was mijn verkeerde ingeving

Het tweede wat ik verkeerd had, ging over snelheid.

Er zit een echte engineeringvraag verborgen in elke sorteerlijn: hoe snel kun je van "de camera zag een zwarte PP-bak" naar "de luchtklep vuurde op precies de juiste plek"? Als die latentie te lang is, heeft de band het object voorbij het vuurvenster gedragen, en mist de ejector ofwel of neemt hij de bak plus twee buren mee, en stort je zuiverheid in. Ik ging ervan uit, aan het begin, dat het antwoord hierop altijd snellere, meer deterministische hardware was, een FPGA-dataflowpijplijn die rond de 2 milliseconden kon halen zonder jitter. We begonnen er zelfs een te ontwerpen.

Toen deed ik daadwerkelijk de berekeningen voor een representatieve installatie, en die brachten me in verlegenheid. Stel je een fabriek van 50.000 ton voor, een band van 1,2 meter op 3 meter per seconde, ejectormondstukken met een onderlinge afstand van 12,5 millimeter, en een niet-geoptimaliseerde edge-GPU-pijplijn die 50 milliseconden kost. Bandsnelheid maal latentie is 150 millimeter verplaatsing voordat de klep vuurt, en met jitter smeert het echte vuurvenster uit over 200 tot 260 millimeter, veel breder dan een doel van 60 tot 90 millimeter. Natuurlijk daalt de zuiverheid. Maar de oplossing is niet de FPGA.

De oplossing, voor die installatie, is het optimaliseren van de GPU-pijplijn, TensorRT, batchgrootte één, kernel fusion, halve precisie, wat de latentie terugbrengt naar 12 tot 18 milliseconden. Nu is je verplaatsingsfout 36 tot 54 millimeter en werkt het systeem, met nul hardware-uitgaven, alleen engineering. De FPGA-route, 2 milliseconden en 6 millimeter fout, verdient haar kosten pas terug boven ruwweg 5 meter per seconde bandsnelheid, en brengt maanden van gespecialiseerde engineering met zich mee. De meeste fabrieken draaien geen 5 meter per seconde.

Het eerlijke antwoord op "heb ik de dure deterministische hardware nodig" is meestal nee, en de enige mensen die je dat zullen vertellen zijn degenen die het niet aan je verkopen.

Dus bouwden we die rekensom in een verkenningsopdracht. We voeren die eerst uit, voordat we iets voorstellen, en vaker wel dan niet vertellen we de klant het goedkopere antwoord. Het levert ons minder op. Het betekent ook dat de volgende fabrieksdirecteur over ons hoort van de vorige.

Wat gebeurt er als de MWIR-camera het begeeft?

De eerste vergadering gaat over de vraag of MWIR zwart plastic kan zien. De tweede vergadering is altijd dezelfde vraag, en het is degene die de mensen die deze apparatuur daadwerkelijk in het veld hebben gebruikt scheidt van de mensen die slides verkopen: wat gebeurt er als de camera het begeeft?

Het is een terechte angst. De Specim FX50 koelt zijn detector tot rond de 77 Kelvin met een geïntegreerde Stirling-koeler, en die koeler is het onderdeel dat verslijt. Het datablad zegt 10.000 uur. In een echte MRF, met stofintrede en constante trilling, reken op 7.000 tot 8.000. Bij 16 uur per dag is dat een koelerservice ongeveer elke 14 tot 18 maanden, en de vervangingslevertijd van Specim loopt 12 tot 16 weken. Als je terugwinningslijn een financieel kwartaal lang stilligt omdat een cryokoeler op een boot zit, heb je geen oplossing gekocht, maar een aansprakelijkheid.

Dus de noodvoorziening maakt deel uit van de bouw, geen bijzaak. De camera zit op een hot-swap-beugel zodat hij er in een half uur af komt, en de koelers draaien in een rotatie, waarbij er één wordt weggehaald voor revisie voordat hij faalt en terugkomt als de reserve voor de volgende cyclus. Terwijl een eenheid buiten dienst is, draait een gedegradeerde terugvalmodus alleen RGB-segmentatie, bij lagere nauwkeurigheid, zodat de lijn nooit volledig stopt. Onder dat alles zit een tweede gekwalificeerde sensorbron, Telops en IRCameras onder andere, want vrijwel elke MWIR-pitch in deze markt is stilletjes afhankelijk van één camera van één bedrijf, en een installatie die miljoenen inzet op terugwinning verdient beter dan een enkel storingspunt waarvan ze niet wisten dat het er was.

Waar het vakgebied stopt, en waarom

Ik wil precies zijn over de concurrentie, want de recycling-AI-ruimte is werkelijk druk en ik doe niet alsof dat niet zo is. TOMRA draait sinds 2022 deep learning aan de edge en heeft duizenden eenheden in het veld. De reden dat deze kloof nog steeds bestaat, is niet dat de gevestigde partijen slapen. Het is dat elk van hen er net voor stopt, om structurele redenen.

Degenen die zwart plastic kunnen zien, verkopen het gebundeld. TOMRA's Autosort Black is een aparte machine binnen een lijn die begint rond de 450.000 tot 650.000 euro, met gesloten software die je niet kunt licentiëren op hardware die je al bezit. Steinerts UniSort BlackEye draait echt MWIR, maar het is afgestemd als een afwerkingssorteerder voor schone flakes bij ongeveer een ton per uur, niet voor verontreinigde invoer van hele objecten uit een primaire stroom. Degenen die het niet kunnen zien, zijn er op verschillende manieren eerlijk over: de hyperspectrale lijn van Machinex werkt in SWIR, dat op dezelfde roetzwart-muur stuit als standaard NIR; Pellencs profieldetectie kan "een zwart ding in de stroom" markeren voor verwijdering van verontreinigingen, maar zal je niet vertellen wat zwart PP is versus zwart PS; AMP's robotplukkers en Greyparrots analyzers doen echt werk, respectievelijk plukken en meten, maar op RGB-camera's die polymeer helemaal niet kunnen classificeren.

Elke leverancier in deze markt is uitstekend in iets naast je zwarte-plasticprobleem. Geen van hen verkoopt de retrofit die het rechtstreeks oplost.

Dat is de hele opening. Wij vervangen niet de sorteermachine waar iemand al voor betaald heeft. Wij voegen een detectiestation toe, meestal op de zijband die de zwaar-zwarte afkeur opvangt, met een RGB-camera om objectgrenzen te vinden, de FX50 om de spectra erbinnen te classificeren, en een schone interface naar de PLC van de bestaande machine via OPC-UA, Modbus of EtherCAT om de bestaande ejectoren te vuren. De koper behoudt de 92 procent van de stroom die hun huidige lijn goed aankan en wint de plak terug die hij was gebouwd om te negeren.

En er is een moeilijkere, hogermarge-versie hiervan voor elektronicarecyclers. Afgedankte elektronica zit vol met zwart ABS, veel ervan beladen met gebromeerde vlamvertragers die RoHS verbiedt terug te laten keren in nieuwe apparatuur, en 40 tot 50 procent van de opgevangen WEEE-kunststoffen wordt daardoor nooit goed gerecycled. Röntgenfluorescentie kan het broom lezen maar niet het polymeer; MWIR leest het polymeer maar niet het broom. Voeg de twee samen tot één classificatiekop, draaiend op ongeveer 5 milliseconden, en je kunt schoon gerecycled ABS scheiden van vlamvertragende afkeur in één doorgang, waar de meeste installaties er nog twee draaien. Samen gebruikt strippen de sensoren tot 98 procent van de gebromeerde kunststoffen uit de stroom. Dat sensorfusieprobleem is grotendeels onopgelost op productieniveau, en dat is precies waarom het de moeite waard is om te bouwen.

Het zwarte-plasticprobleem heeft een klok van vijftien jaar

Mensen die verpakkingen volgen, zullen de voor de hand liggende tegenwerping opwerpen: waarom überhaupt infrastructuur bouwen voor roetzwart, wanneer merken gewoon zouden kunnen overschakelen op NIR-detecteerbare zwarte pigmenten en het probleem bij de bron verdwijnt? Het is een echte beweging. UPM lanceerde eind 2025 een biobased, NIR-detecteerbaar zwart; Cabot heeft voedselcontact-conforme alternatieven; Ampacet heeft masterbatches afgestemd op sorteerbaarheid.

Ik heb hier hard naar gekeken, want als substitutie op het punt stond het probleem weg te vagen, zou het opbouwen van een MWIR-praktijk een slechte gok zijn. Dat is het niet. Standaard roetzwart kost rond de 0,20 euro per kilogram; de detecteerbare alternatieven zijn drie tot zes keer zoveel, vóór de kosten van het herkwalificeren van voedselcontactverpakkingen. De adoptie sinds 2018 is traag geweest, de beste schattingen zetten detecteerbaar zwart op onder de 10 procent van FMCG-zwart-verpakkingen, en de legacy-stroom heeft nergens heen te gaan: auto-interieurs schakelen niet over, elektronicabehuizingen schakelen niet over, kostgevoelige private-labelverpakkingen schakelen niet over.

Dit is dus een transitie van 15 tot 20 jaar, geen klif. De eerlijke kadering, degene die ik werkelijk geloof, is nu MWIR-terugwinning terwijl de merken langzaam omschakelen, en dezelfde lijn blijft de lange staart nog twee decennia daarna terugwinnen. Ondertussen stijgt de regelgevingsvloer onder dit alles: Californië's SB 54 begint ruwweg 500 miljoen per jaar bij verpakkingsproducenten weg te halen, met de eerste rapportagedeadline eind mei 2026, en de EU-verpakkingsregels zullen recyclebaarheidsgraden en steil stijgende gerecycled-gehaltedoelen vereisen, 30 procent in kunststofverpakkingen tegen 2030, die eenvoudigweg niet gehaald kunnen worden als zwart plastic naar de stortplaats blijft gaan. Het teruggewonnen materiaal is niet langer alleen maar omzet. Het is compliance.

Wat ik mensen vertel die vragen of ze ons überhaupt nodig hebben

Bijna elke keer komen er twee vragen op, en ik beantwoord ze liever hier dan in een verkoopgesprek.

De eerste is of ze niet gewoon een van de grote consultancybureaus zouden moeten inhuren. Dat kunnen ze, en voor sommige vragen zouden ze dat moeten. Maar een opdracht van Accenture of Capgemini loopt in de miljoenen en levert een leveranciersselectiematrix en een routekaart op. Het schrijft niet het 1D-CNN, kalibreert geen cryogekoelde sensor tegen jouw specifieke bandachtergrond, en stelt de PLC-interface niet in bedrijf. Wij zijn kleiner dan de systeemintegrators, sneller dan het intern opbouwen van de capaciteit, waar je, eerlijk gezegd, niet makkelijk de mensen kunt inhuren die een Stirling-koeler kunnen kwalificeren of een trackingalgoritme kunnen schrijven tegen een EtherCAT-controller, en meer gefocust dan de OEM's wier taak het is je hun volgende machine te verkopen.

De tweede vraag is degene waar ik het trotst op ben hoe we die beantwoorden: hebben ze dit überhaupt nodig? Soms is het antwoord nee. Een installatie onder de ongeveer 25.000 ton per jaar, met een dun aandeel zwart plastic, in een regio waar storten goedkoop is, ziet de terugverdientijd misschien nooit. Dat zeggen we en we lopen weg. Een platformleverancier kan je structureel niet vertellen dat je geen goede match bent. Wij wel, en de projecten die naar ons terugkomen zijn degene waar de rekensom daadwerkelijk sluit.

De recyclingindustrie kreeg de afgelopen jaren "AI" verkocht alsof het één enkel ding was dat je ofwel had ofwel niet. Dat is het niet. De zwarte bak die in de afkeurbunker valt, geeft er niet om hoeveel neurale netwerken er stroomopwaarts draaien. Het geeft erom of iets in het gebouw ernaar kijkt in een golflengte waarin het bestaat. De meeste fabrieken doen dat op dit moment niet. Dat is een kleiner, beter oplosbaar probleem dan de brochures laten klinken, en een waardevoller probleem dan het residurapport je ooit zal vertellen. Als je wilt zien hoe wij de rekensom op jouw lijn zouden sluiten, de volledige uiteenzetting staat hier.