12月25日消息，在俄亥俄州克利夫兰举行的AMI塑料世界博览会上，纽约州立大学布法罗分校的杰出教授、材料科学领域领先专家Paschalis Alexandridis（亚历山德里迪斯）强调，人工智能（AI）和光谱学的进步正为塑料回收领域带来变革，为应对行业日益严峻的可持续发展挑战提供创新解决方案，显著提升分拣准确性与效率。

亚历山德里迪斯指出，塑料分拣和回收面临诸多挑战，而人工智能和光谱技术堪称回收行业的“颠覆者”。它们能够以前所未有的准确度识别和处理塑料，为更高效、可持续的回收实践开辟道路。

“回收并非一成不变的过程。”亚历山德里迪斯解释道，机械回收、化学回收和热解各有独特需求，原料质量对其成功至关重要。人工智能和光谱学凭借精确的识别和分拣能力，可助力满足这些需求。

塑料回收过程复杂，需仔细分类以确保回收材料质量。机械回收对某些塑料类型有效，但对受污染或混合材料却力不从心；化学回收（又称先进回收）通过将塑料分解为分子成分，如单体，用于制造新材料，为应对挑战提供了方案。然而，即便化学回收也依赖高质量原料，若忽视分类，将导致资源浪费，生产价值较低的产品。

在此背景下，人工智能和光谱学作为改进分拣流程的强大工具应运而生。亚历山德里迪斯称，人类依赖视觉线索识别塑料，但因塑料种类和外观多样，这种方法往往不可靠。光谱学能为每种塑料提供化学特征，比目视识别精准得多；人工智能则可高速分析数据，实时决策如何分拣材料。他还强调，人工智能算法在分类和预测材料成分方面日益复杂，通过监督学习，可训练系统识别特定类型塑料，甚至识别可能影响回收过程的添加剂。

尽管人工智能和光谱学前景广阔，但亚历山德里迪斯承认，这些技术的采用仍处于早期阶段。“技术已具备，但实施滞后。”他表示，分拣设备发展取得显著进展，尤其是采用人工智能和机器人技术的设备，但距离完全优化和广泛部署仍有差距。

其中一个关键挑战是人工智能算法的速度。部分算法虽能实现高准确性，但对实时应用而言速度过慢。亚历山德里迪斯强调：“速度至关重要。回收设施的吞吐量取决于物料分拣速度，现有的人工智能系统在这方面有待改进。”

为应对这一挑战，亚历山德里迪斯提出结合视觉预筛查与光谱学的混合方法。视觉系统在初步筛选时成本低且有效，但无法提供光谱学的化学洞察，二者结合可实现更高效、准确的分拣过程。此外，人工智能还能从人类可能忽视的光谱数据中提取有价值信息，识别看似无用的光谱模式，为塑料类型和质量提供关键洞察。

展望未来，亚历山德里迪斯对人工智能和光谱学推动回收技术进步持乐观态度。“人工智能只会越来越好。”他说，随着算法变得更快、更先进，将在分类和识别塑料方面超越人类能力。

同时，他强调了标准化和问责制在人工智能系统开发中的重要性。“我们需要一致的数据集和明确的指导方针，以确保这些技术的可靠性和有效性。若人工智能系统犯错，需了解原因并加以解决。”

亚历山德里迪斯敦促回收行业积极拥抱这些新兴技术。“我们越靠近初始分子越好。无论是机械回收、化学回收还是热解回收，每种回收都需妥善分类。通过投资人工智能和光谱学，我们可以从塑料中回收更多价值，迈向真正的循环经济。”

随着人工智能和光谱学技术的不断发展与完善，其在塑料回收领域的应用有望进一步深化，为全球塑料回收行业带来新的发展机遇，助力实现资源的高效利用和环境的可持续发展。