پایگاه داده NIST می تواند به افزایش بازیافت منسوجات و لباس کمک کند

این را تصور کنید: شما یک کیسه از لباس‌های پر استفاده دارید که دیگر نمی‌توان آن را اهدا کرد و فضایی در کمد شما اشغال می‌کند، بنابراین آن را در مرکز بازیافت محلی خود می‌گذارید. اما تکلیف آن کیسه لباس چه می شود؟ ممکن است تصور کنید که لباس ها خراب می شوند و دوباره برای تولید محصولات جدید استفاده می شوند.

با این حال، طبق گزارش آژانس حفاظت از محیط زیست (EPA)، در سال 2018 حدود 85 درصد از پوشاک و منسوجات استفاده شده به سمت دفن زباله ها و زباله سوزها رفتیم و منابع گرانبها را هدر دادیم و محیط زیست را آلوده کردیم. یکی از دلایل این است که بازیافت می تواند گران تر از دفن زباله باشد، بنابراین شرکت ها انگیزه کمی برای بازیافت دارند.

برای کمک به حل این مشکل، محققان مؤسسه ملی استاندارد و فناوری (NIST) پایگاه داده‌ای ایجاد کرده‌اند که حاوی «اثر انگشت» مولکولی انواع مختلف الیاف نساجی است و می‌تواند دسته‌بندی سریع و کارآمد پارچه‌ها را در مراکز بازیافت امکان‌پذیر کند.

آماندا فورستر، مهندس تحقیقات مواد NIST گفت: «این داده‌های مرجع به بهبود الگوریتم‌های مرتب‌سازی کمک می‌کند و پتانسیل مرتب‌سازی با توان عملیاتی بالا را که به کار دستی کمتری نیاز دارد، باز می‌کند. فورستر پروژه NIST را با تمرکز بر حفظ منسوجات پایان عمر در اقتصاد رهبری می کند، فرآیندی که به آن چرخش نساجی می گویند. این باید هزینه ها را کاهش دهد و کارایی را افزایش دهد و بازیافت منسوجات را از نظر اقتصادی مقرون به صرفه تر کند.

پایگاه داده رایگان است و برای دانلود در دسترس است مخزن داده های عمومی NIST.

معضل زباله های نساجی در سال های اخیر رو به افزایش بوده است. یکی از دلایل آن مد سریع است، یک مدل کسب‌وکار که شرکت‌ها حجم زیادی از لباس‌های ارزان قیمت و مد روز را تولید می‌کنند که اغلب به سرعت دور ریخته می‌شوند. انواع جدید منسوجات، منسوجات ترکیبی، و برچسب‌های ناقص یا نادرست نیز چالش‌های مهمی را برای دسته‌بندی منسوجات در مراکز بازیافت ایجاد می‌کنند.

در آن مراکز، کارگران لباس‌ها را با استفاده از دستگاه‌های دستی که نور مادون قرمز نزدیک می‌تابند، مرتب می‌کنند. این دستگاه‌ها میزان عبور نور از پارچه یا پراکنده شدن آن را اندازه‌گیری می‌کنند و یک الگوی منحصربه‌فرد تولید می‌کنند – نوعی اثر انگشت که می‌تواند نوع الیاف لباس را شناسایی کند. این تکنیک که طیف‌سنجی مادون قرمز نزدیک (NIR) نامیده می‌شود، می‌تواند در سیستم‌های تسمه نقاله خودکار نیز استفاده شود. با این حال، تکنیک های فعلی هنوز به کار دستی زیادی نیاز دارند.

در سال های اخیر، سازندگان تجهیزات بازیافت به طور فزاینده ای از یادگیری ماشین و هوش مصنوعی برای بهبود الگوریتم های مرتب سازی خود استفاده کرده اند. برای آموزش این الگوریتم ها به داده های مرجع با کیفیت بالا نیاز دارند.

اینجاست که پایگاه داده NIST وارد می شود. به نام طیف مادون قرمز نزدیک از منسوجات تعریف شده و دنیای واقعی، یا NIR-SORTاین شامل 64 نوع پارچه مختلف به همراه اثر انگشت NIR است. پایگاه داده شامل انواع الیاف خالص، مانند پنبه و پلی استر است. انواع فیبر مخلوط، مانند مخلوط اسپندکس؛ و پارچه های دنیای واقعی که از فروشگاه های صرفه جویی گرفته شده اند. سازندگان سیستم های اسکنر NIR می توانند از این پایگاه داده برای آموزش و آزمایش الگوریتم های مرتب سازی و بهبود عملکرد محصولات خود استفاده کنند.

این مشکل زمانی بروز می کند که الیاف مشابه پنبه یا کنف باشند. این بدان معناست که سیگنال نزدیک به مادون قرمز مشابه است. همین امر در مورد ترکیب پنبه و پلی استر نیز صادق است. آیا این یک فیبر جدید است یا ترکیبی از دو یا چند فیبر؟ کاتارینا گودج، شیمیدان تحقیقاتی NIST، که توسعه پایگاه داده را رهبری کرد، گفت. هوش مصنوعی می تواند به دقیق تر شدن فرآیند تصمیم گیری کمک کند.

از آنجایی که NIST موسسه اندازه گیری کشور است، تجهیزات و تخصص لازم برای پر کردن این پایگاه داده را با طیف های بسیار با کیفیت دارد. این به معنای خطاهای کمتر در هنگام شناسایی پارچه ها و بازیافت منسوجات بیشتر خواهد بود.

این تحقیق از یک ابتکار کلیدی ناشی می شود گزارش توسط NIST که در آن کارشناسان توسعه فناوری بهتری را برای شناسایی و دسته بندی منسوجات و پوشاک توصیه کردند. این تلاش ها بخشی از NIST است برنامه اقتصاد دایره ای، که علم اندازه گیری و روش هایی را برای حمایت از اقتصادی توسعه می دهد که در آن مواد به گونه ای طراحی شده اند که ارزش خود را از طریق استفاده مجدد، تعمیر و بازیافت مکرر حفظ کنند و به عنوان آخرین چاره دفع کنند.