江叡涵、黃隆程、高豐生、李政霖、陳怡真、黃思瑜、周于傑、朱仁佑 / 工研院材化所
面對國際淨零碳排趨勢和《全球塑膠公約》提出，廢塑膠回收成為全球重要議題。台灣目前塑膠包材回收集中在容器類，透過物理回收製成再生酯粒，回收再利用率高；但其他混合塑膠材質多樣且分類困難，經濟價值低，導致廠商回收意願不高。工研院材料與化工研究所開發塑膠包材廢棄物的智慧分選技術，辨識分類精確度>95%，辨識速度>10件/秒，可針對8種以上廢塑膠進行精準分類，提升再生料源純度。透過智慧分選技術研發，有望規劃未來回收及再利用途徑。
【內文精選】
研究方法及成果
1. 塑膠包材循環技術
國內廢棄塑膠包材種類繁多，如塑膠膜、塑膠泡殼、塑膠包裝盒及盛裝盤等，材質則包括PE、PP、PS、EVA、PET等。因此須將材質準確分類，再依照各材料適用之不同再生製程，建立穩定脫揮潔淨化及熔融造粒製程的物理回收技術，使再生材料具備良好的潔淨度和物性，作為再生酯粒應用。而雜質率較高的雜項塑膠，經過適度的材質分選後，可走熱裂解應用途徑，其他雜質料高的混合塑膠，在挑選出PVC材質後，可走固體再生燃料(Solid Recovered Fuel; SRF)的應用，俾讓所有被分類後的料源，均可導入適度的回收再利用流程，提升廢塑膠包材的回收率。
2. 智慧材質辨識技術
工研院建置NIR高光譜影像(Hyperspectroscopic Images; HSI)模組，來獲取廢塑膠包材的光譜資訊，藉由不同的濾鏡強化光譜影像中各項特徵，並去除環境雜訊後加以歸納分類，導入光譜特徵強化學習為主流的卷積神經網路(Convolutional Neural Network; CNN)演算法，進行多次卷積層訓練，提高辨識精準度，透過不同CNN架構的演算法進行適性測試，獲得高辨識速度(16.51 ms/1萬張光譜)及高精確度(>99%)的NIR光譜辨識模型，降低雜訊產生辨識錯誤的干擾因子。經過自建的演算法及包材資料庫比對，賦予塑膠材質身分，將不同材質身分自動轉換成不同顏色標示，在視覺上呈現出不同塑膠材質，最終結合輸送帶及氣吹架構，快速辨識塑膠材質。圖二展示光譜資料智慧辨識演算流程及材質辨識視覺化成果。
圖二、(a) 材質光譜智慧辨識演算法建置；(b)廢塑膠包材材質辨識驗證結果
3. 智慧類型辨識技術
廢塑膠包材流常摻雜部分NIR光譜辨識所漏檢、檢測訊號不足導致具有無法檢測的物件，或是辨識錯誤的塑膠，如深色塑膠、多層複合塑膠、PVC或PLA等，僅透過NIR光譜辨識方法，常面臨辨識精準度不足的問題，造成NIR光譜分選後的料源純度不足，影響後端再生應用途徑；尤其是具有低碳及高值化特性的物理回收料源，要求須儘量達到單一塑膠材質組成。為了解決物理回收入料需要高純度料源的需求，工業上在NIR光譜分選後，常在分選流程的後端，利用人工來挑選不純物，藉此提升分類後的料源純度。
4. 塑膠包材再生應用評估
在廢塑膠包材的物理再生技術方面，針對單一塑膠材質平板包材(PP、PS、PET)之脫揮潔淨化、發泡緩衝材(EPP、EPO、EPS)減容之前處理，以及多層膜分離純化技術進行評估。評估結果如下兩點：①聚烯系測試結果顯示皆可順利熔融押出造粒以及射出試片。回收PP、PS泡殼經脫揮純化後，物性強度不會下降太多，可作為再生料回添於原產品，或經配方改質提升物性，應用於不同產品，如射出件、押出件等。②聚酯系具極性易吸水，於熔融造粒過程中會導致降解或水解嚴重等問題產生，因此包材回收再生並不適合用回原產品，建議可降階使用，例如裝飾板材、塑木板材等。若要回原產品—Tray盤應用，需導入液態縮聚製程 (Liquid State Polycondensation; LSP)進行快速增黏，以提升至需求的IV值。運用工研院專利「連續式快速低熔點聚酯製備技術』(專利案號：P54080085)之基礎，聚酯系材料可以利用催化劑與二元醇聚成Polyol，透過雙螺桿組態設計，控制延長反應時間，並控制Polyol之分子量，將解聚完之Polyol經聚合槽聚合，導入長碳鏈雙酸或是聚四氰呋喃多元醇(Poly(tetramethylene ether) Glycol; PTMEG)為軟鏈段，製成rTPEE，可以應用於紡織貼膜、鞋面或縫線等成衣及鞋業等用途。圖四說明包材回收及再利用的流程 ---以上為部分節錄資料，完整內容請見下方附檔。
圖四、單一塑膠包材初步押出及射出之應用評估
★本文節錄自《工業材料雜誌》456期，更多資料請見下方附檔。