Criei uma IA para recuperar o plástico preto descartado por recicladores. O classificador foi a parte fácil.
O negro de fumo absorve em todo o infravermelho próximo, de modo que uma bandeja preta de polipropileno sobre uma esteira transportadora preta é um vazio de sinal zero para qualquer separador óptico por NIR do mercado — a classe de máquinas como TOMRA Autosort, Machinex e Pellenc que opera nas linhas de reciclagem do mundo inteiro. O separador simplesmente não enxerga o objeto, portanto ele cai no rejeito e segue para o aterro. Dependendo do fluxo, de 3% a 15% dos resíduos são compostos de plástico preto perdido exatamente dessa maneira, e, em uma instalação de 50.000 toneladas por ano com 5% de plástico preto, isso representa cerca de 2.500 toneladas anuais de material recuperável: uma oportunidade na ordem de 2,2 a 2,7 milhões de euros por ano (pesquisa WP45, 2026). Passei boa parte deste desenvolvimento presumindo que o problema interessante seria tornar esse plástico visível. Foi, durante cerca de uma semana. Depois, o verdadeiro problema apareceu — e não tinha nada a ver com o modelo.
A demonstração que criei se chama Assay e pode ser acessada em https://veriprajna.com/demos/materials-recovery-ai. Devo esclarecer o que é real nela antes de dizer qualquer outra coisa, porque qualquer demonstração nesta área é tentada a borrar essa fronteira. Os espectros são sintéticos, gerados por um emulador fundamentado em física que simula um sensor Specim FX50, e o ejetor pneumático é um stub registrado em log. O que é real são o classificador, os gates, a verificação de políticas e os números de avaliação. Criei o lado sintético deliberadamente, porque o caso que define se um fardo é vendido ou não é o caso ambíguo e contaminado com PVC no fluxo, algo que uma captura limpa de laboratório quase nunca entrega.
A semana que passei tentando vencer a corrida errada
Iniciei este desenvolvimento da forma como acredito que a maioria das pessoas iniciaria, tratando-o como uma corrida por acurácia. O enquadramento que todos trazem para a recuperação de plástico preto é um número: levar o classificador do zero cego ao NIR até o destaque de laboratório de quase 99%, e o ponto cego da reciclagem estará resolvido. Então, construí primeiro a física de sensoriamento. O negro de fumo de fato atenua o sinal no infravermelho de ondas médias, mas não o elimina, e essa lacuna é toda a oportunidade. Na faixa do MWIR, de 2,7 a 5,3 micrômetros, cada polímero ainda deixa uma assinatura diagnóstica: o dupleto alifático de carbono-hidrogênio para PP e PE, o anel aromático para PS, o estiramento de nitrila para ABS, o elemento adjacente ao cloro para PVC. Desenvolvi manualmente uma pequena rede neural convolucional 1D em numpy: três camadas de convolução seguidas de pooling, duas camadas densas e um softmax sobre PP, PE, PS, ABS e PVC, com forward e backprop reais, Adam e uma etapa de calibração por temperatura, rodando como código numérico puro em um caminho crítico de aproximadamente 5 milissegundos. Nenhum modelo de linguagem grande toma decisões aqui. É pura aritmética inspecionável.
E funcionou, em um patamar honesto. Em um fluxo retido mais pesado de 1.700 objetos, deliberadamente mais sujo do que o utilizado no treinamento, o modelo atingiu acurácia balanceada de 0,894, situando-se bem ao lado da referência de campo de 83,4% revisada por pares para classificação por MWIR em resíduos reais (Resources, Conservation & Recycling, janeiro de 2026), com uma regra interpretável de razão de picos a 0,668 como suporte para que a rede não avalie a própria lição de casa. Esse é um bom número em uma distribuição desafiadora. Não são os 99% do laboratório, e decidi desde o início que jamais deixaria o modelo fingir que fosse.
Aqui está o que me fez parar. Analisei os 0,894 e me perguntei o que uma usina de reciclagem faria com isso, e a resposta foi: nada. Uma instalação de recuperação de materiais nunca compra o número de acurácia. A única coisa pela qual ela paga é um fardo que atenda à especificação.
A chave de alternância que reorganizou todo o projeto
O ponto de virada do projeto foi uma chave que adicionei quase como um detalhe tardio. A Especificação de Fardo Modelo da APR para polipropileno reciclado Grau A é concreta e implacável: pelo menos 97% de PP e no máximo 0,5% de PVC. Um fardo que não atinge a especificação significa uma carga rejeitada, taxa de redirecionamento para aterro e um reciclador downstream que passa a confiar menos em você. Portanto, conectei um controle único ao painel, um gate de confiança que você pode ativar ou desativar, e executei o modelo idêntico no fluxo idêntico das duas formas para ver quanto o gate sozinho valia.
Com o gate ativado, objetos de baixa confiança — laminados multicamadas e fragmentos contaminados cujos espectros não correspondem a nenhum polímero isolado — são retidos para CQ manual em um limiar de softmax de 0,86, em vez de serem lançados no fardo por adivinhação; e qualquer objeto com suspeita de PVC acima de um limiar deliberadamente baixo é rejeitado sumariamente. Na semente 11 da demonstração, esse fardo com gate atinge 99,2% de PP sem nenhum vazamento de PVC, e o certificado exibe PASS, APR Grade A.
Depois, desativei essa mesma chave, fazendo o classificador adotar apenas o seu palpite principal para cada objeto — argmax ingênuo, sem reter nada. Mesmo fluxo. Mesmos pesos. O fardo agora indica 94,2% de PP com 1,94% de PVC, e o certificado passa para rejeitado, acima do limite de 0,5% de PVC que define a classificação.
Eu vinha construindo um classificador. O que eu estava vendo era a prova de que o classificador nunca foi o que tornava um fardo comercializável. A abstenção, a rejeição rígida de PVC e a verificação determinística de políticas foram. O modelo não mudou entre essas duas capturas de tela. A infraestrutura de garantias ao redor dele mudou — e essa foi a diferença entre um fardo auditável de Grau A e uma carga de moído contaminado.
Por que tornei o PVC uma decisão assimétrica
Tratei o PVC de forma diferente de tudo o mais de propósito, e vale a pena ser claro sobre esse raciocínio. Um falso negativo de PVC em um fardo de PP não é um pequeno erro: é um contaminante clorado que pode degradar toda a fusão downstream. Por isso, o gate não pondera o PVC simetricamente em relação às outras classes. Qualquer objeto que a rede sinalize mesmo com fraca suspeita de PVC é sumariamente rejeitado como risco de cloro, o que significa que aceito descartar algum PP legítimo para garantir que o PVC não passe junto. Isso é um custo, e eu queria que a demonstração mostrasse esse custo em vez de escondê-lo. Em uma avaliação de 60 fardos com gate ajustado, o sistema direciona cerca de 12,6% dos objetos para CQ manual e captura cerca de 99,8% do PVC, com um único vazamento de PVC em todos os 60 fardos, recuperando cerca de 71,2% do fluxo de PP. Ele encaminha mais material a um operador humano do que um sistema ingênuo encaminharia e recupera menos do que um sistema perfeito recuperaria — e afirma isso abertamente. Um sistema de recuperação que promete mais pureza do que realmente entrega já falhou na única função para a qual existe.
A armadilha em toda essa ideia é que a abstenção se parece com fraqueza. Quando mostro a pilha de CQ manual aos engenheiros, o reflexo é perguntar por que eu simplesmente não ajusto o limiar para recuperar mais. Porque o que está sendo decidido em uma linha de triagem não é a qualidade média de um palpite. É se uma bomba de cloro entrará em um fardo de Grau A — e você não quer um modelo estocástico tomando essa decisão. Você quer uma regra que o modelo não possa sobrepor.
O número que escolhi colocar no placar
Tomei uma decisão sobre o número do placar que me custou algo sustentar. 0,894 é o número verdadeiro em um fluxo retido e sujo. Quase 99% é o número que vende, aquele de uma captura limpa de laboratório com o Specim, e eu poderia tê-lo citado e deixado as pessoas presumirem. Em vez disso, construí o painel de benchmark na demonstração, posicionando nossos 0,894 logo ao lado da linha de base interpretável de 0,668 e da cifra de campo de 83,4% revisada por pares, para que qualquer pessoa possa ver com exatidão onde estamos e que não estamos reivindicando o teto de laboratório.
O painel traz o número que realmente importa — e ele não é a acurácia. Em 40 fardos aleatórios de fluxo pesado, o fardo com gate atende ao Grau A da APR cerca de 85% das vezes, enquanto o fardo sem gate o atende em apenas cerca de 22,5% das vezes. Leia esses dois pontos de comprovação com atenção, porque são medições diferentes e eu as mantenho separadas de propósito: a comparação de 99,2 contra 94,2 refere-se a um fardo específico na semente 11 da demonstração, e os 85 contra 22,5 representam o agregado em 40 fardos aleatórios. O fardo individual é a versão ilustrativa; o agregado é a versão honesta — e a narrativa só se sustenta porque ambas apontam na mesma direção. Um modelo com 0,894 se transforma em um fardo que passa na maioria das vezes, ou em um fardo que falha na maioria das vezes, dependendo exclusivamente de o gate estar presente no fluxo.
O que parei de tentar vender a mais
Construí a parte de computação para argumentar contra a minha própria fatura, e isso me surpreendeu mais do que deveria. A matemática de latência é simples: o deslocamento do jato de ar é igual à velocidade da esteira multiplicada pela latência da detecção até o acionamento, e a arquitetura só é adequada quando esse jato não ultrapassa o espaçamento de cerca de quatro bicos ejetores — estreito o suficiente para manter a pureza. Aos 3,0 metros por segundo da instalação, uma GPU de borda otimizada (uma Jetson AGX Orin executando TensorRT a 14 milissegundos) produz um jato de 42 milímetros abrangendo cerca de 3,4 espaçamentos entre bicos, dentro da janela. Assim, o motor recomenda a GPU e declara com clareza que uma FPGA não se justifica nessa velocidade de esteira, economizando cerca de 32.000 euros e 20 semanas de engenharia. Aumente a velocidade da esteira para mais de aproximadamente 3,6 metros por segundo e o jato da GPU ultrapassará a linha de quatro bicos; só então o sistema passa a recomendar uma FPGA. Ele recomenda o hardware mais barato sempre que a física permite, embora a FPGA gerasse uma conta muito maior. Eu não queria uma demonstração que empurrasse todo comprador para a opção mais cara, por isso tornei a recomendação mais econômica o comportamento padrão e coloquei o raciocínio na tela.
A parte que sobrevive a um modelo melhor
Eu não construí um separador, e quero ter cuidado com isso, porque é fácil interpretar isso como uma pretensão de substituir TOMRA, Steinert ou Machinex. Essa é uma leitura errada. O Assay opera downstream da sua triagem primária por NIR como uma estação de esteira lateral neutra em relação a fornecedores, lendo o rejeito rico em plástico preto que aquela triagem já descartou, sem interferir na máquina à sua frente. E o valor que ele agrega não é um número que envelhece à medida que os modelos evoluem. Cada fardo é expedido com um certificado assinado, com hash em sha256, atestando sua composição medida, cada cláusula da APR verificada com aprovação ou reprovação, o hash do modelo, as contagens de abstenção e rejeição e a tonelagem recuperada. Esse comprovante é o documento que uma usina pode protocolar e auditar.
Isso tem mais importância hoje do que teria há cinco anos, por uma razão regulatória específica. À medida que o PPWR da União Europeia (Regulamento 2025/40), a lei SB 54 da Califórnia e o framework RecyClass se consolidam, embalagens com negro de fumo só contam como recicláveis onde a triagem capaz de MWIR realmente existir na instalação (pesquisa WP45, 2026). Isso não é uma declaração de conformidade sobre esta demonstração — o certificado é uma evidência auditável de pureza, não um selo de conformidade. É o contexto de por que o cenário está mudando. Nesse mundo, a instalação que vence é aquela que consegue entregar a um auditor um comprovante auditável para cada fardo que expede, e não aquela com o benchmark mais alto em um slide. A confiança em uma linha de triagem precisa ser determinística — e a parte determinística é exatamente a parte que não reside dentro do classificador.
E se você prefere ver um bom modelo expedir um fardo reprovado em vez de me ler descrevendo isso, aqui está o sistema completo funcionando de ponta a ponta.
Se você quiser ver um bom modelo expedir um fardo reprovado e depois virar uma única chave para vê-lo expedir um fardo aprovado, a demonstração está em https://veriprajna.com/demos/materials-recovery-ai, executando o mesmo fluxo das duas formas para que o gate seja a única coisa que muda. Comecei este projeto pensando que o problema difícil era enxergar o plástico preto. Enxergá-lo exigiu uma semana de espectroscopia e uma pequena rede. Provar que o material recuperado estava realmente limpo — e ter a disposição de se abster, rejeitar e falhar ruidosamente quando não estivesse — exigiu todo o restante.
