นักวิจัยจาก NIST พัฒนาฐานข้อมูล NIR-SORT ช่วยปฏิวัติการรีไซเคิลสิ่งทอ ด้วยลายนิ้วมือสเปกตรัมของผ้า 64 ประเภท ช่วยให้คัดแยกได้รวดเร็วและลดต้นทุน ส่งเสริมเศรษฐกิจหมุนเวียนและลดขยะเสื้อผ้าอย่างยั่งยืน
ในแต่ละปี เสื้อผ้าและสิ่งทอที่ใช้แล้วจำนวนมหาศาล ถูกทิ้งลงถังขยะ สร้างภาระให้กับสิ่งแวดล้อมและทำให้ทรัพยากรที่มีค่าต้องสูญเปล่า จากข้อมูลของสำนักงานปกป้องสิ่งแวดล้อมสหรัฐ (EPA) ในปี 2018 สิ่งทอที่ใช้แล้วถึง 85% ถูกนำไปฝังกลบหรือเผา แทนที่จะถูกรีไซเคิล ส่วนหนึ่งเป็นเพราะการรีไซเคิลสิ่งทอมักมีต้นทุนสูงกว่าการฝังกลบ ทำให้บริษัทต่างๆ ขาดแรงจูงใจในการลงทุนในกระบวนการนี้
เพื่อแก้ไขปัญหานี้ นักวิจัยจากสถาบันมาตรฐานและเทคโนโลยีแห่งชาติ (NIST) ได้พัฒนาฐานข้อมูลที่เป็นนวัตกรรมใหม่เพื่อปฏิวัติการรีไซเคิลสิ่งทอ ฐานข้อมูลนี้ชื่อว่า Near-Infrared Spectra of Origin-defined and Real-world Textiles (NIR-SORT) ประกอบด้วย “ลายนิ้วมือ” สเปกตรัมอินฟราเรดใกล้ (NIR) ของเส้นใยสิ่งทอ 64 ประเภท รวมถึงผ้าเส้นใยบริสุทธิ์ เช่น ฝ้ายและโพลีเอสเตอร์ ผ้าเส้นใยผสม เช่น ผ้าสแปนเด็กซ์ และผ้าจากร้านขายของมือสอง ฐานข้อมูลนี้ให้ดาวน์โหลดฟรีผ่าน NIST Public Data Repository ช่วยให้ผู้ผลิตเครื่องสแกน NIR สามารถฝึกและปรับปรุงอัลกอริทึมการคัดแยกได้อย่างมีประสิทธิภาพ
ความท้าทายของการรีไซเคิลสิ่งทอ
ปัญหาขยะเสื้อผ้า หรือ ขยะสิ่งทอ ทวีความรุนแรงขึ้นจากกระแสแฟชั่นฟาสต์แฟชั่น ซึ่งผลิตเสื้อผ้าราคาถูกและทันสมัยในปริมาณมาก ส่งผลให้ผู้บริโภคทิ้งเสื้อผ้าเร็วกว่าที่เคย นอกจากนี้ ผ้าผสมเส้นใยประเภทใหม่และการติดฉลากที่ไม่ถูกต้องยังทำให้การคัดแยกในศูนย์รีไซเคิลเป็นเรื่องยาก ปัจจุบัน ศูนย์รีไซเคิลใช้เครื่องมือถือที่ใช้เทคนิคสเปกโตรสโคปีอินฟราเรดใกล้ (NIR) เพื่อระบุประเภทเส้นใย โดยเครื่องมือจะวัดแสงที่สะท้อนหรือกระจายจากผ้าเพื่อสร้างลายนิ้วมือที่เป็นเอกลักษณ์ อย่างไรก็ตาม กระบวนการนี้ยังคงต้องพึ่งพาแรงงานคนจำนวนมากและมีประสิทธิภาพจำกัด
ฐานข้อมูล NIR-SORT: ทางออกที่เปลี่ยนเกม
ฐานข้อมูล NIR-SORT ของ NIST ช่วยแก้ปัญหานี้โดยให้ข้อมูลอ้างอิงที่มีคุณภาพสูงสำหรับฝึกอัลกอริทึมการเรียนรู้ของเครื่องและปัญญาประดิษฐ์ (AI) ที่ใช้ในระบบคัดแยกอัตโนมัติ อแมนดา ฟอร์สเตอร์ วิศวกรวิจัยวัสดุของ NIST และผู้นำโครงการ กล่าวว่า “ข้อมูลอ้างอิงนี้จะช่วยปรับปรุงอัลกอริทึมการคัดแยกและปลดล็อกศักยภาพในการคัดแยกปริมาณมากด้วยแรงงานที่น้อยลง ซึ่งจะช่วยลดต้นทุนและเพิ่มประสิทธิภาพ ทำให้การรีไซเคิลสิ่งทอมีความคุ้มค่ามากขึ้น”
ฐานข้อมูลนี้ช่วยจัดการกับความท้าทายในการระบุเส้นใยที่มีความคล้ายคลึงกัน เช่น ฝ้ายและป่าน หรือผ้าผสม เช่น ฝ้ายผสมโพลีเอสเตอร์ ซึ่งสัญญาณ NIR มักมีความใกล้เคียงกัน Katarina Goodge นักเคมีวิจัยของ NIST ระบุว่า “AI ช่วยให้การตัดสินใจแม่นยำยิ่งขึ้น” ด้วยความเชี่ยวชาญของ NIST ในด้านวิทยาศาสตร์การวัด ฐานข้อมูลนี้จึงมีสเปกตรัมที่มีคุณภาพสูง ลดข้อผิดพลาดในการระบุประเภทผ้า และเพิ่มโอกาสที่สิ่งทอจะถูกรีไซเคิลอย่างมีประสิทธิภาพ
ก้าวสู่เศรษฐกิจหมุนเวียน
ความพยายามนี้เป็นส่วนหนึ่งของโครงการเศรษฐกิจหมุนเวียนของ NIST ซึ่งมุ่งพัฒนาวิทยาศาสตร์และวิธีการเพื่อให้วัสดุคงคุณค่าผ่านการนำกลับมาใช้ซ้ำ การซ่อมแซม และการรีไซเคิล โดยมองการทิ้งเป็นทางเลือกสุดท้าย การพัฒนาฐานข้อมูล NIR-SORT สอดคล้องกับรายงานของ NIST ที่แนะนำให้พัฒนาเทคโนโลยีการคัดแยกสิ่งทอให้ดียิ่งขึ้น เพื่อลดปริมาณขยะและส่งเสริมการใช้ทรัพยากรอย่างยั่งยืน
ด้วยฐานข้อมูลนี้ อุตสาหกรรมรีไซเคิลสามารถก้าวไปสู่ระบบที่มีประสิทธิภาพและประหยัดต้นทุนมากขึ้น ลดปริมาณสิ่งทอที่ถูกฝังกลบหรือเผา และช่วยรักษาทรัพยากรที่มีค่าสำหรับอนาคตที่ยั่งยืนยิ่งขึ้น การปฏิวัติการรีไซเคิลสิ่งทอกำลังเริ่มต้น และ NIST กำลังเป็นผู้นำในการเปลี่ยนแปลงนี้
อ้างอิง :