Seu Separador Óptico É Cego para o Plástico Preto. Paramos de Chamar Isso de Problema de Software.

A primeira vez que realmente entendi o problema, eu estava parado no fim de uma linha de rejeitos, observando.

Uma bandeja de polipropileno preto desceu pela esteira, passou por uma fileira de separadores ópticos que haviam custado quase meio milhão de dólares e caiu na corrente de rejeito junto com todo o resto que ia para o aterro. O ejetor acima dela nunca disparou. Não porque o software tomou uma decisão errada. Mas porque o software nunca viu absolutamente nada. Para aquele separador, uma bandeja preta sobre uma esteira de borracha preta é um vazio. Não há nada ali para classificar.

Aquela bandeja vale a pena ser recuperada. PP, PE e ABS pretos representam algo entre 3 e 15 por cento de uma corrente típica de plásticos, dependendo da região, e quase tudo isso vai para o rejeito. Para uma instalação de porte médio, isso soma um número com vírgula, pago todo ano como taxa de portão de aterro sobre um material pelo qual um comprador pagaria de bom grado. Essa é a lacuna em torno da qual construímos o trabalho de recuperação de materiais e separação de plástico preto da Veriprajna: não "levar IA à reciclagem", porque a reciclagem já tem mais IA do que a maioria das indústrias, mas resolver a única coisa pela qual toda essa IA continua passando batido.

Entrei nisso convencido de que era um problema de aprendizado de máquina. Saí entendendo que era um problema de física fantasiado de aprendizado de máquina, e que a coisa mais valiosa que podíamos fazer era, às vezes, dizer a um diretor de planta para gastar menos dinheiro do que ele esperava.

Por Que um Separador de Meio Milhão de Dólares Fica Cego Diante do Plástico Preto?

Os separadores ópticos padrão leem polímeros com luz do infravermelho próximo, na faixa de 0,9 a 1,7 mícron. O truque é elegante: cada plástico tem uma impressão digital molecular, e as ligações dentro dele, os estiramentos carbono-hidrogênio e oxigênio-hidrogênio, absorvem comprimentos de onda NIR específicos em um padrão que o sensor consegue cotejar com uma biblioteca. TOMRA, Machinex, Pellenc, todo o segmento de ponta funciona com alguma versão disso.

O negro de carbono quebra isso completamente. O pigmento absorve essencialmente toda a luz do infravermelho próximo antes que ela possa alcançar aquelas ligações moleculares e voltar refletida. O detector não recebe nada. Você pode retreinar o modelo o quanto quiser; não há sinal na entrada com que aprender.

Nenhuma quantidade de treinamento de IA conserta uma entrada de sinal zero. Os fótons nunca chegam ao detector. Isso é física do sensor, não uma atualização de firmware.

Essa frase é a razão inteira pela qual existe uma abordagem diferente. A solução é mudar qual parte do espectro você observa. O infravermelho de onda média, aproximadamente 2,7 a 5,3 mícrons, lê as vibrações fundamentais das moléculas de polímero em vez dos tênues sobretons que o NIR capta, e à medida que o comprimento de onda sobe, a influência do negro de carbono afrouxa. Por volta de 3 mícrons, o pigmento se torna efetivamente transparente, e o pico de estiramento carbono-hidrogênio em 3,4 mícrons aparece nítido e inequívoco. Uma bandeja preta que era um buraco na visão NIR torna-se uma assinatura limpa e recortada no MWIR. Os modos aromáticos carbono-hidrogênio do poliestireno se separam com clareza das bandas alifáticas do PE e do PP. A câmera que implantamos, uma Specim FX50, captura 154 bandas espectrais ao longo dessa faixa. Ela não está enxergando formas pretas. Está lendo composição química na velocidade da esteira.

Quando esbocei isso pela primeira vez, achei que a história terminava ali. Câmera nova, espectro novo, problema resolvido. Não terminou ali.

O Número que o Folheto Não Quer que Você Veja

Os materiais de marketing da Specim, e a maior parte da imprensa em torno da separação por MWIR, apontam para números de acurácia próximos de 99 por cento. Era esse o número que eu tinha na cabeça quando começamos a construir o classificador. Treinamos uma rede neural convolucional 1D com os espectros, vimos seu desempenho lindo em amostras de referência limpas, e me permiti acreditar que estávamos quase na reta final.

Então a rodamos contra o tipo de entrada que uma MRF real vê. Não pellets impecáveis. Objetos inteiros, arranhados, sujos de comida, cobertos de rótulos, sobrepostos numa esteira em movimento, com a poeira e a sujeira que recobrem tudo numa usina de reciclagem. A acurácia balanceada voltou em 83,4 por cento.

Quero ser honesto sobre como isso caiu, porque foi o momento mais importante do projeto. Meu primeiro instinto foi de que tínhamos feito algo errado, que havia um bug no pipeline, uma calibração que tínhamos pulado. Não havia. Um artigo revisado por pares publicado na Resources, Conservation and Recycling em janeiro de 2026, sobre exatamente esse problema, MWIR mais uma CNN para identificação de plástico preto, relatou o mesmo tipo de número em resíduos reais. Os 99 por cento eram um número de laboratório. Os 83 por cento eram o mundo real.

A lacuna entre a demonstração de laboratório e a esteira suja é onde a maior parte da tecnologia de reciclagem morre silenciosamente. Decidimos viver nessa lacuna em vez de escondê-la.

Isso reformulou tudo sobre como fazemos nossa proposta. Deixamos de prometer recuperação quase perfeita e passamos a falar de taxas de recuperação realistas, do tipo que ainda pagam pelo sistema várias vezes, porque mesmo a 83 por cento a economia não fica nem perto de apertada. Uma instalação de 50.000 toneladas por ano com 5 por cento de plástico preto está sentada sobre cerca de 2.500 toneladas de polímero recuperável. Aos preços vigentes do PP reciclado e ao custo de aterro evitado, o caso honesto e conservador chega em torno de 2,2 a 2,7 milhões de impacto anual no resultado, contra um custo de retrofit na casa das centenas de milhares baixas. Você não precisa de 99 por cento para essa conta fechar. Você precisa parar de fingir que a tem.

"Simplesmente Compre o Hardware Mais Rápido" Era o Meu Instinto Errado

A segunda coisa em que errei foi sobre velocidade.

Há uma pergunta real de engenharia enterrada em qualquer linha de separação: quão rápido você consegue ir de "a câmera viu uma bandeja de PP preto" até "a válvula de ar disparou exatamente no ponto certo"? Se essa latência for longa demais, a esteira já carregou o objeto para além da janela de disparo, e o ejetor ou erra ou leva a bandeja mais dois vizinhos, e sua pureza desaba. Eu supunha, de início, que a resposta para isso era sempre hardware mais rápido e mais determinístico, um pipeline de fluxo de dados em FPGA capaz de atingir cerca de 2 milissegundos sem jitter. Chegamos até a começar a projetar um.

Então eu de fato fiz as contas para uma instalação representativa, e elas me constrangeram. Imagine uma planta de 50.000 toneladas, uma esteira de 1,2 metro a 3 metros por segundo, bicos ejetores espaçados 12,5 milímetros entre si, e um pipeline de GPU de borda não otimizado levando 50 milissegundos. Velocidade da esteira vezes latência dá 150 milímetros de deslocamento antes de a válvula disparar, e com o jitter a janela real de disparo se espalha por 200 a 260 milímetros, bem mais larga do que um alvo de 60 a 90 milímetros. Claro que a pureza cai. Mas a solução não é o FPGA.

A solução, para essa instalação, é otimizar o pipeline de GPU, TensorRT, tamanho de lote um, fusão de kernels, meia precisão, o que reduz a latência para 12 a 18 milissegundos. Agora seu erro de deslocamento é de 36 a 54 milímetros e o sistema funciona, com zero de gasto em hardware, apenas engenharia. A rota do FPGA, 2 milissegundos e 6 milímetros de erro, só justifica seu custo acima de aproximadamente 5 metros por segundo de velocidade da esteira, e carrega consigo meses de engenharia especializada. A maioria das plantas não opera a 5 metros por segundo.

A resposta honesta para "eu preciso do hardware determinístico caro" costuma ser não, e as únicas pessoas que vão lhe dizer isso são as que não estão vendendo o hardware para você.

Então incorporamos essa conta em um engajamento de descoberta. Nós a rodamos primeiro, antes de propor qualquer coisa, e mais vezes do que não dizemos ao cliente a resposta mais barata. Isso nos rende menos. Também significa que o próximo diretor de planta ouve falar de nós pelo último.

O Que Acontece Quando a Câmera MWIR Falha?

A primeira reunião é sobre se o MWIR consegue enxergar plástico preto. A segunda reunião é sempre a mesma pergunta, e é a que separa quem de fato colocou este equipamento em campo de quem vende slides: o que acontece quando a câmera falha?

É um medo justo. A Specim FX50 resfria seu detector para cerca de 77 Kelvin com um resfriador Stirling integrado, e esse resfriador é a parte que se desgasta. A ficha técnica diz 10.000 horas. Numa MRF real, com entrada de poeira e vibração constante, conte com 7.000 a 8.000. A 16 horas por dia, isso dá uma manutenção de resfriador aproximadamente a cada 14 a 18 meses, e o prazo de entrega da reposição pela Specim é de 12 a 16 semanas. Se sua linha de recuperação fica parada por um trimestre financeiro porque um criorrefrigerador está num navio, você não comprou uma solução, comprou um passivo.

Por isso a contingência é parte da construção, não algo pensado depois. A câmera é montada em um suporte de troca a quente, de modo que sai em meia hora, e os resfriadores operam em rodízio, no qual um é retirado para recondicionamento antes de falhar e volta como reserva para o ciclo seguinte. Enquanto uma unidade está fora, um modo de contingência degradado roda apenas segmentação RGB, com acurácia menor, para que a linha nunca pare por completo. Por baixo de tudo isso há uma segunda fonte de sensor qualificada, Telops e IRCameras entre elas, porque quase toda proposta de MWIR neste mercado depende silenciosamente de uma câmera de uma única empresa, e uma instalação que aposta milhões na recuperação merece algo melhor do que um ponto único de falha que ela não sabia que tinha.

Onde o Segmento Para, e Por Quê

Quero ser preciso sobre a concorrência, porque o espaço de IA para reciclagem é genuinamente disputado e não vou fingir o contrário. A TOMRA roda aprendizado profundo na borda desde 2022 e tem milhares de unidades em campo. A razão pela qual essa lacuna ainda existe não é que os incumbentes estejam dormindo. É que cada um deles para logo antes dela, por motivos estruturais.

Os que conseguem enxergar plástico preto o vendem empacotado. O Autosort Black da TOMRA é uma máquina separada dentro de uma linha que começa em torno de 450.000 a 650.000 euros, com software fechado que você não pode licenciar para um hardware que já possui. O UniSort BlackEye da Steinert genuinamente roda MWIR, mas é ajustado como separador de acabamento para flake limpo a cerca de uma tonelada por hora, não para entrada contaminada de objetos inteiros vinda de uma corrente primária. Os que não conseguem enxergá-lo são honestos a respeito de maneiras diferentes: a linha hiperespectral da Machinex trabalha no SWIR, que esbarra na mesma parede do negro de carbono que o NIR padrão; a detecção de perfil da Pellenc consegue sinalizar "uma coisa preta na corrente" para remoção de contaminantes, mas não vai distinguir PP preto de PS preto; os coletores robóticos da AMP e os analisadores da Greyparrot fazem trabalho de verdade, coletando e medindo respectivamente, mas com câmeras RGB que não conseguem classificar polímero de forma alguma.

Todo fornecedor neste mercado é excelente em algo adjacente ao seu problema de plástico preto. Nenhum deles vende o retrofit que o resolve diretamente.

Essa é a abertura inteira. Não substituímos o separador que alguém já pagou. Adicionamos uma estação de sensoriamento, geralmente na esteira lateral que captura o rejeito rico em preto, com uma câmera RGB para encontrar os limites dos objetos, a FX50 para classificar os espectros dentro deles, e uma interface limpa com o PLC da máquina existente via OPC-UA, Modbus ou EtherCAT para disparar os ejetores existentes. O comprador mantém os 92 por cento da corrente que sua linha atual já processa bem e recupera a fatia que ela foi construída para ignorar.

E há uma versão mais difícil e de margem mais alta disso para recicladores de eletrônicos. Eletrônicos em fim de vida estão cheios de ABS preto, boa parte dele carregada de retardantes de chama bromados que a RoHS proíbe de voltar a novos equipamentos, e 40 a 50 por cento dos plásticos de WEEE capturados nunca são reciclados adequadamente por causa disso. A fluorescência de raios X consegue ler o bromo, mas não o polímero; o MWIR lê o polímero, mas não o bromo. Funda os dois em uma única cabeça de classificação, operando a cerca de 5 milissegundos, e você consegue separar ABS reciclado limpo dos rejeitos com retardante de chama em uma única passagem, onde a maioria das instalações ainda faz duas. Usados em conjunto, os sensores retiram até 98 por cento dos plásticos bromados da corrente. Esse problema de fusão de sensores está em grande parte não resolvido em grau de produção, o que é exatamente por que vale a pena construí-lo.

O Problema do Plástico Preto Tem um Relógio de Quinze Anos

Quem acompanha embalagens levantará a objeção óbvia: por que construir infraestrutura para o negro de carbono, quando as marcas poderiam simplesmente trocar para pigmentos pretos detectáveis por NIR e o problema desaparece na origem? É um movimento real. A UPM lançou um preto de base biológica e detectável por NIR no fim de 2025; a Cabot tem alternativas compatíveis com contato com alimentos; a Ampacet tem masterbatches ajustados para separabilidade.

Olhei muito a fundo para isso, porque se a substituição estivesse prestes a eliminar o problema, construir uma prática de MWIR seria uma aposta ruim. Não está. O negro de carbono padrão custa cerca de 0,20 euro por quilograma; as alternativas detectáveis custam de três a seis vezes isso, antes do custo de requalificar embalagens de contato com alimentos. A adoção desde 2018 tem sido lenta, as melhores estimativas colocam o preto detectável abaixo de 10 por cento das embalagens pretas de FMCG, e a corrente legada não tem para onde ir: interiores automotivos não estão mudando, carcaças de eletrônicos não estão mudando, embalagens de marca própria sensíveis a custo não estão mudando.

Então essa é uma transição de 15 a 20 anos, não um precipício. O enquadramento honesto, aquele em que de fato acredito, é recuperação por MWIR agora, enquanto as marcas convertem lentamente, e a mesma linha continua recuperando a cauda longa por duas décadas depois. Enquanto isso, o piso regulatório está subindo por baixo de tudo: a SB 54 da Califórnia começa a puxar cerca de 500 milhões por ano dos produtores de embalagens, com o primeiro prazo de reporte no fim de maio de 2026, e as regras de embalagem da UE vão exigir notas de reciclabilidade e metas de conteúdo reciclado em forte ascensão, 30 por cento em embalagens plásticas até 2030, que simplesmente não podem ser cumpridas se o plástico preto continuar indo para o aterro. O material recuperado não é mais apenas receita. É conformidade.

O Que Eu Digo às Pessoas que Perguntam Se Elas Sequer Precisam de Nós

Duas perguntas surgem quase toda vez, e prefiro respondê-las aqui do que numa reunião de vendas.

A primeira é se elas deveriam simplesmente contratar uma das grandes consultorias em vez disso. Podem, e para algumas perguntas deveriam. Mas um engajamento com uma Accenture ou Capgemini chega aos milhões e produz uma matriz de seleção de fornecedores e um roteiro. Ele não escreve a CNN 1D, não calibra um sensor criorresfriado contra o fundo específico da sua esteira, nem comissiona a interface com o PLC. Somos menores do que os integradores de sistemas, mais rápidos do que construir a capacidade internamente, onde, francamente, você não consegue contratar facilmente as pessoas capazes de qualificar um resfriador Stirling ou escrever um algoritmo de rastreamento contra um controlador EtherCAT, e mais focados do que os OEMs, cujo trabalho é lhe vender a próxima máquina deles.

A segunda pergunta é aquela de cujo modo de respondermos mais me orgulho: elas sequer precisam disso? Às vezes a resposta é não. Uma instalação abaixo de cerca de 25.000 toneladas por ano, com uma fatia magra de plástico preto, numa região onde o aterro é barato, pode nunca ver o retorno. Nós dizemos isso e vamos embora. Um fornecedor de plataforma estruturalmente não consegue lhe dizer que você não é um bom encaixe. Nós conseguimos, e os projetos que voltam para nós são aqueles em que a conta de fato fecha.

A indústria de reciclagem passou os últimos anos recebendo "IA" vendida como se fosse uma coisa única que você tinha ou não tinha. Não é. A bandeja preta caindo no depósito de rejeito não se importa com quantas redes neurais estão rodando a montante. Ela se importa se alguma coisa no prédio a está olhando em um comprimento de onda em que ela existe. A maioria das plantas, neste momento, não está. Esse é um problema menor e mais solucionável do que os folhetos fazem soar, e mais valioso do que o relatório de rejeitos jamais vai lhe dizer. Se você quiser ver como fecharíamos a conta na sua linha, o detalhamento completo está aqui.