纺织品的回收分类问题一直是环保的一大挑战，2022年，中国废旧纺织品回收量为415万吨，为进一步加快推进废旧纺织品循环利用，构建资源循环型产业体系和废旧物资循环利用体系，《关于加快推进废旧纺织品循环利用的实施意见》提出，到2025年，废旧纺织品循环利用体系初步建立，循环利用能力大幅提升，废旧纺织品循环利用率达到25%，废旧纺织品再生纤维产量达到200万吨。

空气分选机是一种传统的废旧纺织品分拣方法，在分拣时，容易发生密度相似、空气阻力相似的纺织品的分拣错误。化学分拣具有很高的准确性，但需要销毁现有材料，并且不适用于羊毛等织物。其他依赖于可见光相机或多光谱相机的分拣方法只能粗略发现不同，无法对不同质地的纺织物进行充分分类。为应对这一挑战，未来理想的解决方案是非接触式的分选机，它可以高速分拣不同的织物和混纺面料，借助美国Headwall的高光谱成像传感器和perClass Mira机器学习软件，Headwall为这个问题提供了潜在的解决方案。

实验概述

使用Headwall的MV.C NIR高光谱传感器（光谱范围900-1700nm）在perClass扫描台上扫描织物样本，并使用perClass Mira软件处理高光谱数据。纯织物品种包括：丙烯酸、棉、亚麻布、尼龙、聚酯、人造丝、人造棉、羊毛。

通过MV.C NIR高光谱传感器收集了纯织物的光谱库，使用perClass Mira软件并建立了分类模型。还扫描了具有不同材料百分比的织物样本，并建立了回归模型，来估计未知样本的百分比组成。

分类模型

许多织物品种具有相似的化学和物理特性，具有近似的光谱曲线，可以从900-1700nm的反射光谱中看出，这就是机械分拣机和可见光或多光谱相机难以区分它们的原因。

为了解决这个问题，我们为不同的织物制作了一个二元分类模型，以确定样本是否包含特定材料。在对面页面顶部显示的分类模型中，创建了三个类：背景、聚酯织物和非聚酯。分类模型仅在纯织物样本上进行训练，并针对混纺样本进行了测试。当使用 5% 像素阈值进行排序时，该模型的准确率为 100%，在使用 1% 像素阈值进行排序时，该模型的准确率为 98%。有了这样的成功率，定制模型可以通过对特定类型的织物进行分拣并使用多阶段分拣选项来提供更好的性能。

回归模型

由于大多数服装都是多种面料的混合物，因此理想的分拣解决方案将包括一种估计面料成分的方法。使用不同百分比的棉花混纺样本构建回归模型，样品的混合物、浓度和颜色各不相同。

使用不同种类的织物做样品，每种植物都有不同百分比的棉、羊毛或合成纤维混纺，训练集表现出很强的相关性，使用perClass Mira软件中的回归可视化工具，不同的织物占比更明显。

高光谱假彩色图像

perClass Mira软件增强显示

总结

许多织物在近红外光谱范围内具有不同的光谱特征，高光谱成像和分类模型可以配合在一起来识别这些织物。专门的二元模型为多阶段方法提供了一条途径，可用于对相似的纯织物进行准确分类。对于织物的混纺，高光谱成像提供了一种估计成分百分比的方法。美国Headwall的高光谱传感器MV.C NIR与perClass Mira的机器学习软件相结合，提供一个非接触式的实时传感器，用于分类和重新利用回收纺织物。