主题 · 98 篇
近红外分选
关于近红外分选的 98 篇文章,覆盖再生塑料政策、市场、企业与技术动态。
CP Group 推出 POINT 操作员智能系统
该资讯的核心变化在于将资深操作员的经验逻辑编码为AI模型,实现从“人工目视判断”到“数据驱动闭环控制”的技术跨越。对从业者而言,这标志着MRF智能化进入深水区,通过降低对高技能人力的依赖,有望在EPR合规压力下显著提升分选纯度与运营效率。
【意大利】STADLER在意大利开发自动化工厂,将纺织废料转化为再生纤维
该工厂通过NIR分选与专利工艺结合,解决了纺织废料异质性难题,实现了全流程可追溯的工业化回收。对从业者而言,这展示了机械回收在复杂混合废料处理上的技术路径,为提升再生材料质量与产能提供了可复制的工程范式。
【意大利】STADLER为IGERS开发将纺织废料转化为制线纤维的工厂
该资讯展示了机械回收在纺织废料领域的最新突破,通过高度自动化的NIR分选线解决了异质性物料的分流难题。对于从业者而言,这证明了在EPR法规驱动下,建立具备数字追溯能力的预处理设施是获取高品质再生原料、提升产业链附加值的关键路径。
【巴西】Sutco助力巴西循环经济:每小时处理52吨混合垃圾的先进分选设施
该设施通过五台NIR光学分拣机实现93%的高回收率,标志着巴西机械回收技术进入高精度自动化新阶段。对从业者而言,这验证了先进分选工艺在提升rPET、rPP、rPE品质及对接下游市场中的核心价值,为区域循环经济提供了可复制的技术标杆。
【欧盟】NEXTLOOPP、Süper Film 与 Brückner Maschinenbau 验证食品级再生聚丙烯商业化路径
此次试验首次证实食品级 rPP 在标准 BOPP 产线上可稳定加工,打破了柔性 PP 包装缺乏闭环回收路径的行业瓶颈。这为从业者提供了符合 PPWR 再生含量要求的实证基础,证明通过严格上游分选与工艺优化,高阻隔食品包装可实现规模化再生料应用。
【德国】STADLER 在德国启用新测试中心以开发回收技术
STADLER将AI数字工具与物理测试装置深度集成,标志着分选技术从单一硬件向“硬件+数据”系统化解决方案转型。这为从业者提供了在投产前验证工艺参数、降低rPET/rPE分选纯度和效率不确定性的新路径。
【德国】PET餐盒回收主要败在分拣环节
该报告揭示了PET餐盒回收率低并非源于前端收集不足,而是分拣技术与经济动力缺失导致大量物料流向热值回收。从业者需关注定向正向分拣技术及预处理工序,以解决多层包装杂质问题,提升rPET纯度。
【法国】被宣传为环保的园艺用品实际上几乎无法回收
该资讯揭示了炭黑颜料对光学分选技术的致命干扰,指出即便使用高比例再生料的黑色花盆也因“隐形”特性被排除在回收体系之外。这对从业者意味着,仅关注材料可回收性已不足够,必须将颜色与颜料成分纳入前端设计标准,否则大量潜在再生料将直接流失至末端处置环节。
【美国】科学家发明“瞬态热条形码”以改善塑料回收
该研究突破了传统近红外光谱无法有效识别黑色塑料及非接触检测的局限,利用分子指纹区的热成像原理实现了塑料种类的快速区分。对于回收从业者而言,若该技术能低成本集成至现有分选线,将显著降低人工分拣成本并提升再生料纯度,为提升整体回收率提供新的技术路径。
【法国】Pellenc ST 利用 AI 技术升级法国 Firminy 分拣中心
此次升级的核心在于将CNS BRAIN人工智能技术与传统近红外分选结合,通过软件更新即可部署,无需硬件改造或停产,显著降低了技术迭代门槛。对于再生塑料从业者而言,这种非侵入式AI升级路径为现有分选线提升rPET、rPE等关键组分纯度提供了低成本、高效率的参考方案,有助于优化机械回收产线的整体产出质量。
【法国】Pellenc升级法国现有分拣中心
此次升级的核心在于通过软件更新而非硬件改造,利用深度学习优化现有光学分选设备对复杂场景(如脏污、遮挡)下透明PET的识别能力。这为存量回收设施提供了低成本、不停机的智能化升级路径,有助于在不增加资本支出的前提下提升rPET等关键再生料的得率与品质。
【法国】Pellenc ST与Suez加强合作,推动TrivalLoire中心智能废物分类
此次升级的核心在于将深度学习算法融入光学分选硬件,通过识别污渍和标签干扰下的材料特征,实现无需硬件改造的纯度提升。对于从业者而言,这表明软件定义的分选能力正成为提升再生料质量、降低停机成本的关键路径,值得在现有产线改造中重点评估。
【美国】黑色塑料为何被填埋以及热传感器如何避免这一问题
该资讯的核心突破在于利用中红外“分子指纹”替代近红外反射光,从原理上消除了颜色对塑料分选的限制。对从业者而言,这预示着机械回收环节可能实现全色号覆盖,有助于降低交叉污染,提升rPET、rPP等再生料的纯度与商业价值。
【欧盟】新技术推动汽车中再生塑料的应用
资讯核心在于指出汽车再生塑料应用已从合规性挑战转向工业可靠性挑战,强调分选纯度与去污工艺对满足严苛规格的决定性作用。这要求从业者关注从源头分选到应用验证的全链条技术整合,而非仅关注材料供应,以应对欧盟法规带来的高门槛。
【美国】Mid-Valley Recycling 重新开放位于加利福尼亚州的 MRF
此次升级的核心在于引入 AI 视觉分选与全带宽 NIR 技术,实现了商业流与居民流的双线现代化改造。对于从业者而言,这展示了如何通过技术迭代解决高污染率痛点,为提升 rPET、rHDPE 等再生料纯度提供了可复制的工程范本。
TOMRA Recycling 扩展 GAINnext 生态系统并推出全新 FINDER
TOMRA 将 AI 深度学习从单一传感器局限中解放出来,通过 GAINnext 实现食品级 PET 托盘与复杂金属组件的高纯度分选,标志着回收技术从物理识别向语义理解跨越。对于从业者而言,这意味着 rPET 托盘等难回收物料的商业化路径被打通,且 FINDER 的模块化设计降低了多品类回收线的改造门槛,为提升再生料纯度提供了新工具。
【英国】智能包装遇上工业分选:数字水印技术利用紫外线在条码层级分离单个包装
该资讯的核心突破在于将隐形紫外数字水印与近红外分选技术集成至商业化回收线,实现了条码层级对单个包装物的精准识别与追踪,解决了传统机械回收中物料成分不透明、分拣精度低的痛点。对从业者而言,这意味着再生塑料的溯源能力将大幅提升,有助于满足欧盟日益严格的再生含量与可回收性目标,为品牌方提供可验证的闭环回收数据,从而提升再生材料的市场价值与合规竞争力。
【美国】Tomra Recycling 推出新测试与培训中心以推进 AI 检测技术
Tomra将全球领先的AI光学分选技术与本地化测试培训能力结合,在美洲建立高标准技术枢纽,标志着回收设备服务从单纯销售向全生命周期深度赋能转变。对于再生塑料从业者而言,这意味着能更便捷地获取针对复杂混合废物流的高纯度分选方案验证,降低设备调试风险并提升rPET、rPP等再生料的产出稳定性。
【美国】Tomra在北卡罗来纳州开设测试与培训中心
Tomra将深度学习技术GAINnext与Innosort Flake集成至美洲测试中心,标志着AI视觉分选从实验室走向规模化客户验证。这为回收商提供了本地化调试平台,有助于解决复杂物料分选难题,提升机械回收产线的纯度与经济性。
【美国】TOMRA Recycling 在美洲总部启用专属测试与培训中心
TOMRA将全球统一的测试与培训标准落地美洲,通过引入深度学习AI与双面成像技术,解决了混合流中难分选物料的高纯度提取难题。这为北美回收企业提供了本地化的技术验证平台,有助于降低设备调试成本,提升机械回收产线的稳定性与再生料品质。
【美国】TOMRA在北卡罗来纳州开设测试与培训中心
TOMRA在美洲设立集测试、培训与仓储于一体的中心,标志着其从单纯设备销售向全生命周期技术支持模式的转变。这一布局为北美回收商提供了就近验证rPET、rPP等再生料分选方案的平台,有助于降低试错成本并提升机械回收效率。
【德国】PICVISA在IFAT 2026展示其全新金属业务线及基于人工智能的光学分选进展
Picvisa通过引入中红外高光谱与X射线荧光技术,突破了传统近红外无法识别黑色塑料的技术瓶颈,并正式确立金属分选业务线。这为处理复杂混合废塑料及电子电气废弃物提供了更精准的机械回收路径,有助于提升再生塑料的纯度与合规性。
【德国】PICVISA将在IFAT 2026展示新型分选解决方案
PICVISA通过整合LIBS、MWIR高光谱及脉冲照明技术,突破了传统NIR无法识别黑色塑料及深色玻璃的技术瓶颈,实现了多材质高精度分选。这为处理WEEE及复杂混合废料的回收企业提供了合规且高效的自动化分选路径,有助于提升再生塑料及金属的回收纯度与经济性。
STEINERT与Eggersmann合作解锁近红外分选数据
此次合作将硬件分选与软件数字监控深度绑定,通过实时数据流重构了传统依赖人工巡检的维护模式。对于回收厂而言,这意味着从“被动维修”转向“主动预防”,能显著降低因隐性故障导致的再生料纯度波动与产能损失,是机械回收环节数字化升级的关键一步。