劉致辰 / 大豐環保科技股份有限公司
臺灣資源回收體系長期追求「全分類、高值化」的目標，光是民生消費端產出的廢塑膠容器，依材質、用途（食品/非食品）、顏色細分，實務上即可達20~30種品項，遠較國際多數市場細緻。傳統近紅外光(NIR)光分選機可有效辨識材質，但後段仍高度仰賴人工再進行用途與顏色細分，成為產能與成本的瓶頸。近年人工智慧(AI)影像辨識技術成熟，正好補上NIR之後的細分缺口，使外觀層級的判斷可由機械手臂或氣噴自動完成。值得強調的是，AI並非用來取代NIR，而是讓分選廠多一項可彈性運用的工具，依品項特性與場域條件選擇最適組合。本文從臺灣廢塑膠容器的細緻分類體系與回收價值因子出發，剖析NIR與AI影像辨識的互補關係，提出材質光譜與影像深度學習融合的下一代智慧分選方向。
【內文精選】
塑膠容器自1980年代普及以來，因輕量、低成本、可塑性高的特性，成為食品、飲料、清潔用品最主要的包裝載體。隨著臺灣資源回收四合一制度的推行，民生消費端產出的廢塑膠容器，也就是一般家庭、社區、商業活動所產生並進入回收體系的塑膠瓶、罐、盤、托與平板包材等，已建立完整的逆物流體系，年回收量達數十萬公噸；本文聚焦於此一料源，至於工業端高純度均質的廢塑膠料源，因組成與處理流程差異甚大，不在本文討論範圍。
依環境部資源循環署統計，民國105年至114年我國公告應回收廢塑膠容器年回收量約自18.6萬公噸成長至21.1萬公噸，整體呈穩定上升趨勢，其中113年達22.0萬公噸的近年高點（如圖一）。在材質結構上，PET自105年的10.2萬公噸增至113年的13.3萬公噸（114年12.8萬公噸），長期居所有材質之首且成長最為明顯；PP/PE類穩定維持在8萬公噸以上，是第二大宗料源；PS未發泡約3~4千公噸；PS發泡與PVC則因環境部近年陸續推動的源頭減量與限制使用相關管制措施（如限制一次用發泡塑膠類飲料杯/餐具、PVC食品包材等），使用量已逐年下降，回收量同步明顯萎縮—PS發泡從105年的995公噸大幅降至114年的不到100公斤、幾近退場，PVC亦由百噸級降至數十噸級；生質塑膠回收量同樣偏低，皆已不具規模性料源。
圖一、公告應回收廢塑膠容器回收量
這份統計凸顯兩件事：其一，廢塑膠容器的料源仍持續累積，總量大、且高度集中於PET與PP/PE兩類，亦即智慧分選能否在這兩大材質上做好「容器 vs. 平板包材」、「食品級 vs. 非食品級」、「顏色細分」等下一級切分，將直接決定整體再生料價值的天花板；其二，PVC、PS發泡及生質塑膠等品項雖量體已小，仍會以雜質形式混入主流料源，分選端必須有能力即時辨識、剔除，才能維持高純度料流。
臺灣回收體系與多數國際市場最大的差異，在於我們長期追求「全分類、高值化」，不僅要把塑膠依材質分開，還要進一步依「用途（食品級/非食品級）」與「顏色」細分，才能讓再生料回到最高價值的應用通路（例如食品級rPET必須來自食品用途、無色或淺色之來源，混入非食品用途容器即無法達標）。在這樣的政策與市場驅動下，光是「廢塑膠容器」這一個項目，依材質×用途×顏色的細分組合，實務上即可多達20~30種品項。
這也使得單一感測技術難以獨力勝任：傳統NIR光分選機擅長辨識材質，但對「用途」與「顏色」這類外觀層級資訊難以判讀，後段往往仍需大量人工再分選，成為產能與成本的瓶頸。AI影像辨識的成熟，正好為NIR後段補上這個缺口，使分選廠多了一項可彈性選用的工具，並非要取代NIR，而是讓不同品項依其特性、依場域條件，可選擇最適合的技術組合 ---以上為部分節錄資料，完整內容請見下方附檔。
★本文節錄自《工業材料雜誌》475期，更多資料請見下方附檔。