黑色塑膠回收的物理學、經濟學與智慧
每年， 有數百萬噸的黑色塑膠 會系統性地從回收流程中被剔除並送往掩埋場——不是因為它們缺乏價值，而是因為 感測器根本「看不見」它們。
Veriprajna 的解決方案將觀測從近紅外線（盲區）轉移至 中波紅外線 （基於化學成分），並運用一維卷積神經網路來解讀人眼與標準 AI 都看不見的光譜特徵。
一種人眼看不見、卻對環境與損益表同樣構成災難的系統性失敗。
碳黑（Carbon Black）是一種源自石油不完全燃燒的準晶形碳。它的作用如同一個近乎完美的 黑體吸收體 ，橫跨可見光/NIR 光譜（700-1700nm）。
對於每年處理 50,000 公噸的 MRF 而言，3.3% 的黑色塑膠＝1,650 公噸遭丟棄。按每公噸 $1,130 計算，這相當於 每年 $1.86M 的營收損失 。
歐盟 PPWR 規定所有包裝必須在 2030 年前可回收。如果感測器看不見它，它在法律上就會被歸類為不可回收——這對品牌是生存威脅。
「雖然操作人員可以清楚看見輸送帶上的黑色托盤，機器視覺系統卻實際上什麼也看不見。這是一種 物理失效 ，任何電腦視覺對比調整或提示工程都無法解決。從未被擷取過的訊號，是無法被增強的。」
—— Veriprajna 技術白皮書，2024
要工程化解決方案，必須先解剖現有技術的失效模式。
回收產業的主力感測器工作於 900-1700nm。對於有色塑膠，光線會穿透進去，與分子鍵（C-H、N-H、O-H）交互作用，並帶著獨特的光譜指紋反射回來。
當光線照射黑色塑膠時，碳黑顏料會在入射輻射 得以與聚合物基材產生交互作用之前，就先將其吸收。感測器實際上 接收到的回傳訊號為 零。
我們身處一個由 LLM 與生成式 AI 定義的技術紀元。許多「AI 顧問公司」提供透過 API 包裝 GPT-4/Claude 來解決企業問題的服務。
生成式 AI 模型需要 輸入資料 才能運作。在透過 NIR 分選黑色塑膠時，輸入資料是一個 空集合。沒有光譜曲線可供分析，只有雜訊。
解決之道在於 深科技（Deep Tech）——將科學發現嚴謹地應用於工程問題。我們不企圖讓 AI 在猜測上變得「更聰明」，而是 改變感測器的物理原理 ，讓不可見者成為可見。
如果近紅外線中不存在資料，我們就必須把目光轉向電磁頻譜的另一個視窗。
碳黑的吸收並非無限。隨著波長增加，吸收會下降。只要移向 MWIR（2.7-5.3 µm），我們便能跨越顏料變得足夠透明的門檻。
由分子振動的「倍頻」主導。訊號微弱，很容易被碳黑吸收淹沒。
其中包含聚合物分子的 基頻振動 。C-H 伸縮、C=O 羰基伸縮——訊號強度強上幾個數量級。
高光譜成像代表一場典範轉移：從分析外部外觀轉為分析內在組成。
分析形狀、紋理、標籤與顏色。對破碎、髒污的廢棄物不可靠。黑色保險桿的碎片看起來與黑色托盤一模一樣。
分析化學成分。看得見化學特徵：
Veriprajna 建構於唯一一款在商業上可行、涵蓋完整 2.7-5.3 µm 範圍的感測器之上。其工程複雜度凸顯了此解決方案的「深科技」本質。
有些材料 在可見光下完全相同 ，在 MWIR 中卻各自擁有獨特的光譜指紋。本圖表展示各波長下的反射率——請注意 MWIR 區域劇烈的譜線分離。
所有黑色塑膠在接近 0% 處重疊。碳黑吸收所有可見光子——感測器收不到 可供分類的訊號。
譜線顯著分歧。基頻伸縮/彎曲振動比 NIR 倍頻 強上幾個數量級 。
這項能力讓分選不再是視覺猜謎遊戲，而是在輸送帶速度下進行的定量化學分析。
根據基頻振動光譜學模擬而成。NIR 區域顯示匯聚；MWIR 則顯示明確分離。
擷取 MWIR 超立方體只是成功的一半。我們需要能以趨近於零的延遲解讀複雜化學特徵的 AI。
標準 AI 影像辨識（ResNet、YOLO）使用專為辨識空間特徵而設計的 2D-CNN：貓耳的弧線、車牌的矩形。
塑膠瓶被壓碎、扭絞、撕裂。黑色保險桿碎片在空間上與黑色托盤一模一樣。
把 154 個光譜波段當成「色彩通道」處理，無法捕捉定義化學指紋的細微高頻關係。
Veriprajna 不將這個問題視為 影像辨識，而是 訊號處理。對每一個像素，我們萃取一個由 154 個數值組成的一維向量——光譜。
1×154 正規化反射率值向量
線性核學習光譜形狀：@ 3.4 µm 的陡降、@ 4.0 µm 的寬肩、雙重峰
Softmax 機率：[PP: 99%, PE: 0.5%, Other: 0.5%]
Specim FX50 產生 3D 資料：每個像素都包含 154 波段的連續光譜，供化學分析使用。
線性核沿光譜滑動，學習偵測特定光譜形狀——分子鍵的「文法」。
NVIDIA Jetson AGX Orin 執行最佳化模型。無雲端延遲。確定性的 <5 毫秒推論時間。
PLC 介面在 3m/s 輸送帶速度下，於總計 <20 毫秒的預算內觸發氣動噴射或機械手臂。
輸送帶速度：3m/s。攝影機→噴嘴距離：約 1m。時間預算： 總計 300-500 毫秒 （擷取、前置處理、推論、分割、閥門時序）。
時間抖動＝污染。 如果氣流噴射晚了 50 毫秒，就會擊中錯誤的物件。1D-CNN 提供確定性、低於 5 毫秒的推論。
根據您設施的吞吐量與組成調整參數，以模擬經濟效益
典型 MRF 範圍：每年 10K-200K 公噸
產業數據：依地區不同，佔廢棄物流的 3-15%
Veriprajna 以 MWIR+1D-CNN 達成 90% 以上
在充斥「AI for X」新創公司的市場中，Veriprajna 以垂直深度與物理整合脫穎而出。
髒污、破碎的真實世界廢棄物的 MWIR 光譜特徵，並不存在於公開網路上。我們透過實際部署產生並擁有這個資料集。
我們的解決方案需要整合極低溫硬體、邊緣運算與機器人技術。這不是咖啡店裡的開發者所能複製的——它需要工程上的嚴謹。
許多 MRF 擁有良好的輸送帶系統，但感測頭已經過時。Veriprajna 在不更換「身體」的情況下升級「眼睛與大腦」——降低資本支出。
一旦我們能「看見」化學，便能解鎖簡單材料回收之外的價值。
精確追蹤哪些材料通過回收鏈。提供聚合物類型、污染程度與吞吐量的細粒度資料，以符合歐盟 DPP 合規要求。
在出貨給再生加工廠之前認證捆包純度。即時光譜分析可減少遭退回的批次，提升客戶信任並爭取溢價。
向生產者提供其特定黑色包裝實際回收量的資料，協助符合生產者延伸責任（EPR）的申報要求。
標準回收設施使用工作於 900-1700nm 的近紅外線（NIR）光譜技術。碳黑顏料——一種源自石油燃燒的準晶形碳——在可見光與 NIR 光譜中扮演近乎完美的黑體吸收體。它會在入射輻射與聚合物基材產生交互作用之前就將其吸收，使感測器實質上收到零訊號。分選電腦看到「空輸送帶」，氣動噴射器保持沉默，於是每公噸價值高達 $1,200 的珍貴 PP、PE、PS 與 ABS 聚合物被送去掩埋或焚化。
碳黑的吸收並非無限。當波長超出 NIR 繼續增加，吸收便會下降。在中波紅外線範圍（2.7-5.3 微米）內，顏料變得足夠透明，得以暴露底下聚合物的基頻分子振動。這些 C-H 伸縮、C=O 羰基與芳香族基頻模態比 NIR 倍頻強上幾個數量級，產生截然不同的化學指紋。PP、PE、PS 與 ABS 在這些波長下各自展現獨特的光譜特徵，即使面對重度碳黑著色也能可靠分類。Veriprajna 使用具 154 個光譜波段、每秒 380 影格、配備極低溫冷卻 MCT 偵測器的 Specim FX50 感測器。
對一座每年處理 50,000 公噸、黑色塑膠含量 5% 的中型 MRF 而言，現況意味著每年有 2,500 公噸被送去焚化，合計損失約 250 萬歐元（材料價值損失加上處置成本）。採用 Veriprajna 的 MWIR 系統達成 90% 以上的回收率後，這轉化為 2,025,000 歐元的銷售收入加上 225,000 歐元的處置節省，對應約 280,000 歐元的系統資本支出。投資回收期不到 2 個月，是廢棄物管理營運商所能獲得的最高投報率投資之一。
Veriprajna 的 MWIR 高光譜＋一維 CNN 解決方案不只是提高回收率——它從根本上改變了觀測的物理原理。
安排技術諮詢，討論您設施的黑色塑膠回收潛力。
完整工程報告：MWIR 光子學、一維 CNN 架構、光譜解混數學、感測器融合、邊緣運算實作、經濟分析、法規對齊、完整參考文獻。