© 2024 SURF
De textielindustrie is wereldwijd een van de grootste milieuvervuilers. En dat komt mede doordat er weinig kleding gerecycled wordt: slecht 1% van de 80 miljard kleidingstukken die per jaar worden geproduceerd wordt gerecycled tot vezels waar nieuwe kleding van wordt gemaakt. Dit probleem wordt momenteel stevig aangepakt in de EU: in maart 2022 zijn strenge maatregelen aangekondigd die de industrie verplichten om circulair, duurzaam en energiezuinig te produceren.
Het probleem is echter dat er technisch gezien weinig goede methodes bestaan om afgekeurde textiel weer om te zetten tot nieuwe kleding. Textiel bestaat vaak uit allerlei materialen die met elkaar verweven zijn, en de technologie schiet vooral tekort in snelle, automatische herkenning van deze samenstelling. Herkenning is essentieel omdat elke samenstelling weer een ander recycleproces/sorteerstroom nodig heeft. Innovatie in herkenningssystemen wordt dan ook in de sector aangewezen als de meest belangrijke stap naar een circulaire textielindustrie, en is het kernpunt van dit consortium.
In dit project wordt een innovatie methode ontwikkeld om met behulp van hyperspectrale Short-Wave Infrared (SWIR) -camera's en Artificial Intelligence (AI) de textielsamenstelling te bepalen op de lopende band. AI is hierbij een sleuteltechnologie, omdat de herkenning van textiel dermate complex is (door de grote hoeveelheid verschijningsvormen) dat conventionele analysemethoden niet volstaan. Wij hebben vier innovatieve AI-technieken geïdentificeerd die nog nooit eerder zijn toegepast op textielrecycling, die gezamenlijk naar verwachting tot een doorbraak leiden in de textielherkenning. Om deze technieken toe te kunnen passen is een grote textieldataset noodzakelijk met nauwkeurige samenstelling-informatie, die nog ontbreekt. Onze contributie is daarom drievoudig: Ten eerste bouwen we de eerste grootschalige en publiekelijk-beschikbare textieldatabase voor gezamenlijke innovatie. Ten tweede leveren wij publiekelijk-beschikbare AI-algoritmes waarmee textielherkenning uitgevoerd kan worden, en ten derde werken wij aan een prototype opstelling (TRL-6) waarbij hyperspectrale beelden van textiel op een lopende band worden opgenomen en herkend.