我打造了一套 AI 來回收被回收商丟棄的黑色塑膠。分類器只是最簡單的部分。
碳黑會吸收整個近紅外光譜，因此黑色輸送帶上的黑色聚丙烯托盤對市面上所有的光學近紅外（NIR）分選機而言，都是毫無訊號的真空（void）——包括運行全球回收產線的 TOMRA Autosort、Machinex 以及 Pellenc 等機型。分選機完全看不見該物件，因此它掉入殘渣區，接著送往掩埋場。視廢料流而定，有 3% 到 15% 的廢棄物正是以這種方式流失的黑色塑膠；而在年處理量 50,000 公噸、含有 5% 黑色塑膠的工廠中，這相當於每年約 2,500 公噸的可回收物料，是一筆每年約 220 萬至 270 萬歐元的商機（WP45 研究，2026 年）。在本次建置的大部分時間裡，我都以為有趣的問題在於讓那種塑膠變得可見。大約有一週的時間確實如此。接著真正的問題浮現了，而且它根本不是模型的問題。
我打造的展示名為 Assay，位於 https://veriprajna.com/demos/materials-recovery-ai。在談論其他事情之前，我應該先說清楚其中哪些是真實的，因為這個領域中的每個展示都想模糊這條界線。光譜是合成的，由一個以物理原理為基礎、替代 Specim FX50 感測器的模擬器產生，而氣動噴射器則是個有日誌記錄的虛設常式（stub）。真實存在的是分類器、各個閘門、政策檢查以及評估數據。我特意打造了合成這一側，因為決定一個包捆能否售出的關鍵情況，恰恰是乾淨的實驗室採集幾乎從未交到你手上的那種模稜兩可、受污染、物流中混有 PVC 的情況。
我花了一週試圖贏得錯誤的競賽
我開始這項建置的方式正如大多數人一樣，將它視為一場準確率的競賽。每個人對黑色塑膠回收的思維框架都是一個數字：把分類器從近紅外盲區的零訊號一路拉升到實驗室宣稱的近 99%，你就解決了回收的盲點。因此我首先建置了感測物理機制。碳黑確實會減弱中波紅外訊號，但並未將其抹除，而這個差距就是唯一的突破口。在 2.7 到 5.3 微米的中波紅外（MWIR）波段中，每種聚合物依然會留下診斷性的光譜特徵：PP 與 PE 的脂肪族碳氫雙峰、PS 的芳香環、ABS 的腈基伸縮振動、PVC 的鄰氯特徵。我用 numpy 手寫了一個小型 1D 卷積神經網路，三層卷積接池化、再接兩層密集層，最後通過 softmax 輸出 PP、PE、PS、ABS 和 PVC 的機率，包含真實的前向與反向傳播、Adam 優化器以及溫度校準步驟，並以純數值程式碼在大約 5 毫秒的熱路徑上運行。這裡沒有任何大型語言模型參與決策。這是你可以讀懂的算術。
而且在實事求是的標準下，它確實奏效了。在由 1,700 個物件組成的保留重載物流上（刻意比我訓練時的物料更髒），它達到了 0.894 的平衡準確率，緊鄰真實廢棄物中波紅外分類的 83.4% 同儕審查現場基準（《資源、保存與回收》，Resources, Conservation & Recycling，2026 年 1 月），底層還配備了一條 0.668 的可解釋峰值比率規則，以確保神經網路不是在給自己的作業評分。在困難的分佈上，這是一個亮眼的數字。它不是實驗室的 99%，而我早早就決定，絕不讓它偽裝成那樣。
這就是讓我停下腳步的原因。我看著 0.894，心想一座工廠能用它做什麼，答案是一無所用。資源回收設施從不為準確率數字買單。它唯一願意付費的，是符合規格的包捆。
徹底重構整個建置的開關
整個建置迎來轉折的時刻，是我近乎事後補記般加入的一個開關。APR（塑膠回收商協會）針對 Grade A 再生聚丙烯的標準包捆規格（Model Bale Spec）既具體又嚴格：PP 含量至少達 97%，PVC 含量不得超過 0.5%。未能達標的包捆意味著退貨拒收、掩埋場轉運費，以及下游回收商對你信任度的下降。因此我在儀表板上串接了一個單一控制項——一個可以開啟或關閉的信心度閘門，並以這兩種模式在完全相同的物流上運行完全相同的模型，觀察僅靠這個閘門能帶來什麼價值。
開啟閘門後，低信心度的物件——光譜無法匹配單一聚合物的多層複合材料與受污染碎片——會在 0.86 的 softmax 門檻下被扣留至人工品管（manual QC），而不是靠猜測混入包捆中；任何疑似 PVC 的物件只要超過一個刻意設得很低的門檻，就會被直接強制拒收。在展示隨機種子 11 下，該受控包捆測得 99.2% 的 PP，且沒有任何 PVC 滲漏，憑證顯示：合格，APR Grade A。
接著我把同一個開關關閉，讓分類器對每個物件僅取最高機率猜測（樸素 argmax），毫無保留。相同的物流。相同的權重。包捆現在顯示為 94.2% PP 與 1.94% PVC，憑證轉為拒收，超過了定義該等級的 0.5% PVC 上限。
我之前一直在打造分類器。而我眼前所見的，正是分類器從來不是讓包捆得以售出的關鍵證明。棄權機制、PVC 強制拒收以及確定性政策檢查才是。在這兩張截圖之間，模型並未改變。改變的是圍繞它的保證基礎設施，而這就是可歸檔的 Grade A 包捆與一車受污染粉碎料之間的差別。
為什麼我將 PVC 設為非對稱決策
我特意將 PVC 與其他所有物料區別對待，其背後的理由值得開誠布公地說明。PP 包捆中的 PVC 偽陰性絕非小失誤，它是一種氯污染物，足以使整個下游熔體降解。因此閘門在權衡 PVC 與其他類別時並非對稱處理。任何被網路標記為哪怕只是微弱疑似 PVC 的物件，都會因氯風險而被強制拒收，這意味著我寧可丟棄一些真正的 PP，也要確保 PVC 不會混入。這是一項代價，而我希望展示呈現這項代價，而不是隱瞞它。在 60 個包捆的擬合閘門評估中，系統將約 12.6% 的物件分流至人工品管，並捕獲了約 99.8% 的 PVC，在全部 60 個包捆中僅有一次 PVC 滲漏，同時回收了約 71.2% 的 PP 物料流。它將比樸素系統更多的物料分流給人工，回收率也低於完美系統，並且毫不避諱地坦承這一點。一個過度吹噓自身純度的回收系統，在它賴以存在的唯一任務上就已經失敗了。
整套想法中的陷阱在於：棄權看似軟弱。每當我向工程師展示人工品管堆積區時，他們的本能反應都是問我為什麼不放寬門檻以回收更多。因為在分選線上要決定的，根本不是平均猜測有多準確，而是是否有氯炸彈進入 Grade A 包捆，你絕不希望由隨機模型來做這個決定。你需要一條模型無法覆寫的規則。
我選擇放在記分板上的數字
在記分板數字上，我做了一個讓我付出代價才能維持的決定。0.894 是在骯髒的保留物流上的真實數字。將近 99% 則是能吸引買家的數字，來自乾淨的 Specim 實驗室採集，我本可以引用它讓人們自行揣測。但我反而在展示中建置了基準面板，將我們的 0.894 直接放在 0.668 的可解釋基準線與 83.4% 的同儕審查現場數據旁邊，讓任何人都能確切看清我們的定位，並明白我們並未自稱達到了實驗室上限。
面板上承載著真正重要的數字，而且它不是準確率。在 40 個隨機重載物流包捆中，受控包捆符合 APR Grade A 的比例約為 85%，而未受控包捆符合該標準的比例僅約為 22.5%。請仔細研讀這兩項證明要點，因為它們是不同的測量指標，我特意將它們分開：99.2% 對 94.2% 的比較是展示隨機種子 11 上的單一特定包捆，而 85% 對 22.5% 則是 40 個隨機包捆的總體聚合數據。單一包捆是生動的版本，聚合數據則是誠實的版本，而這個論點之所以站得住腳，是因為兩者指向同一個方向。一個 0.894 的模型究竟會產出大多數時候合格的包捆，還是產出大多數時候失敗的包捆，完全取決於閘門是否參與其中。
我不再向上推銷的項目
我打造的運算端推翻了我自己的報價單，這讓我感到意外，甚至超出了應有的程度。延遲的數學很簡單：氣流噴射的位移等於輸送帶速度乘以從偵測到觸發的延遲，而只有當該氣流跨度不超過約四個噴嘴間距（窄到足以維持純度）時，該架構才算充分。在工廠每秒 3.0 公尺的速度下，最佳化的邊緣 GPU（在 14 毫秒下運行 TensorRT 的 Jetson AGX Orin）產生 42 公釐的氣流，跨越約 3.4 個噴嘴間距，處於容許窗口之內。因此引擎推薦使用 GPU，並明確指出在此輸送帶速度下沒有理由採用 FPGA，從而節省約 32,000 歐元與 20 週的工程時間。若將輸送帶速度推高到約每秒 3.6 公尺以上，GPU 氣流就會跨越四個噴嘴的界限，只有在那時它才會轉為推薦 FPGA。只要物理條件允許，它就會推薦較便宜的硬體，即使 FPGA 意味著更高的帳單。我不希望做一個將每位買家推向昂貴選項的展示，所以我將推薦較便宜的方案設為預設行為，並將推導理由顯示在螢幕上。
歷經更優模型仍能存續的部分
我打造的並不是分選機，我想謹慎說明這一點，因為這很容易被誤解為聲稱要取代 TOMRA、Steinert 或 Machinex。那是錯誤的理解。Assay 作為中立廠商的旁帶工作站，位於主近紅外分選的下游，專門讀取該分選已經拒收的富含黑色塑膠殘渣，完全不干擾其前方的設備。而它所增添的價值，絕非隨著模型改進而過時的數字。每個包捆在出貨時都會附帶一份經過 sha256 雜湊的簽署憑證，註明其測得的成分組成、每項 APR 條款的合格或失敗檢查、模型雜湊值、棄權與拒收計數以及回收噸數。該收據才是工廠能夠正式歸檔的憑證。
出於具體的法規原因，這件事在現在比五年前更具重要性。隨著歐盟的包裝與包裝廢棄物法規（PPWR，Regulation 2025/40）、加州的 SB 54 以及 RecyClass 框架逐步落實，碳黑包裝只有在工廠實際具備支援 MWIR 分選能力的情況下，才算作可回收（WP45 研究，2026 年）。這不是關於本展示的合規聲明，憑證是可歸檔的純度證據，而非符合性印章。它是說明情勢為何正在轉變的背景。在那個世界裡，勝出的工廠是能夠為其出貨的每個包捆向稽核員出示可歸檔收據的工廠，而不是在簡報投影片上標榜最高基準的工廠。分選線上的信任必須是確定性的，而確定性的部分恰恰是不存在於分類器內部的部分。
如果您寧可觀看一個優秀模型產出不合格包捆，也不願讀我的文字描述，以下是整個系統端到端運行的展示。
如果您想觀看一個優秀模型產出不合格包捆，然後切換一個開關，看著它產出合格包捆，展示網址位於 https://veriprajna.com/demos/materials-recovery-ai，以兩種方式運行相同的物流，因此閘門是唯一的變數。我一開始以為困難之處在於看見黑色塑膠。看見它花了一週的光譜學研究和一個小型網路。而證明我所回收的物料確實乾淨，並在不乾淨時願意棄權、拒絕並大聲宣告失敗，花費了我之後的所有心力。
