【德国】耶拿大学与巴斯夫推动塑料回收创新

要点
- SpecReK项目由德国联邦研究部“量子系统”计划资助,金额超过100万欧元。
- 耶拿大学参与团队涵盖聚合物研究、机器人化学及人工智能与数据科学领域。
- 项目核心目标是利用AI与光谱学方法,在加工过程中实时确定再生塑料的组成。
- 巴斯夫“塑料循环经济”研究项目负责人为伯恩哈德·冯·瓦卡诺博士。
耶拿大学与巴斯夫(BASF)正携手合作伙伴,在SpecReK项目中探索基于人工智能(AI)的新型实时塑料废弃物分析方法,旨在提升高值化回收水平。该项目结合AI技术与光谱学手段,致力于改善回收质量,并强化塑料循环经济体系。
耶拿弗里德里希·席勒大学(Friedrich-Schiller-Universität Jena)与巴斯夫及其他伙伴在SpecReK项目中开展合作,力求在塑料回收领域树立新标杆。项目核心目标在于借助AI与光谱学方法,显著提升再生塑料的质量。
强化塑料循环经济
目前,进入回收流程的绝大部分塑料废弃物均采用机械回收方式处理。具体流程包括收集、分拣、破碎、清洗及熔融。由于原料种类及分拣精度的差异,熔融物中往往混杂着不同种类的塑料、添加剂及杂质。这导致再生材料的质量波动较大,进而增加了将其重新加工为高品质塑料产品的难度。
作为SpecReK项目联盟的牵头方,巴斯夫“塑料循环经济”研究项目负责人伯恩哈德·冯·瓦卡诺博士(Dr. Bernhard von Vacano)指出:“随着市场对高值化再生材料需求的增长,在现行法规要求下,精准掌握机械回收塑料废弃物的材料特性与成分构成,并据此优化工艺,已成为关键所在。此举将有力推动循环经济的建设。”
实时材料分析
该项目计划利用光与物质的相互作用,获取再生塑料的分子结构信息。研究人员希望借助光谱学方法,在加工过程中实时确定材料的组成,包括具体的塑料种类、添加剂及杂质。在后续阶段,项目将部署AI算法以识别测量数据中的模式,并建议应添加何种组分或如何调整回收工艺,从而提升再生塑料的质量。
冯·瓦卡诺博士表示:“目前,我们尚缺乏必要的分析工具,无法在加工过程中实时判定机械回收塑料的具体成分。”然而,获取此类信息对于评估并改善塑料废弃物的质量至关重要。
在由德国联邦研究部“量子系统”计划资助、金额超过100万欧元的联合项目中,工业界合作伙伴与高校正开展紧密协作。耶拿弗里德里希·席勒大学(Friedrich-Schiller-Universität Jena)参与的两个研究团队,将各自在聚合物研究、机器人化学以及人工智能与数据科学领域的专长注入该联盟。耶拿大学化学家兼材料科学家、教授乌尔里希·S·舒伯特(Prof. Dr. Ulrich S. Schubert)指出,通过在耶拿应用最先进的机器人化学技术,并结合对不同聚合物及其杂质的表征,能够高效地采集海量数据。耶拿大学数据科学家、教授托马斯·博克利茨(Prof. Dr. Thomas Bocklitz)补充道,这些数据对于运用机器学习方法至关重要,有助于识别数据中的模式并实现实时分析。舒伯特教授强调,唯有将上述技术相结合,才能提升回收率及再生聚合物的质量,进而为再生塑料开辟新的应用空间。
编辑观点
该资讯表明再生塑料行业正从粗放式机械回收向数据驱动的精准回收转型,实时在线分析技术将成为提升再生料附加值的关键。从业者应关注AI与光谱学在分选及造粒环节的应用进展,提前布局相关数据采集与工艺优化能力,以应对高值化再生材料市场的合规与质量要求。
常见问题
SpecReK项目如何利用AI提升再生塑料质量?
项目利用光谱学获取分子结构信息,结合AI算法识别数据模式并建议工艺调整。通过实时确定塑料种类、添加剂及杂质,优化回收流程,从而提升再生塑料的质量稳定性。
SpecReK项目的资助金额是多少?
该项目由德国联邦研究部“量子系统”计划资助,金额超过100万欧元。资金用于支持工业界合作伙伴与高校在聚合物研究、机器人化学及AI数据科学领域的紧密协作。
机械回收为何难以生产高品质再生料?
机械回收流程中,因原料种类及分拣精度差异,熔融物常混杂不同塑料、添加剂及杂质。这导致再生材料质量波动大,增加了重新加工为高品质塑料产品的难度,缺乏实时成分分析工具是关键瓶颈。