AI結合多模態快速材料檢測技術於智慧製造與循環經濟之應用：材料世界網

江叡涵 / 工研院材化所

隨著智慧製造、半導體先進製程與全球淨零循環經濟快速發展，傳統依賴人工判讀與離線取樣的材料檢測方式，已難以滿足高通量、非破壞與即時回饋需求。本文探討多模態快速材料檢測技術結合人工智慧之發展方向，涵蓋近紅外、拉曼、太赫茲、LIBS、XRF、XRD、XCT、光彈應力分析、影像辨識與氣體捕獲製程監控。文章說明AI如何透過特徵萃取、模型訓練與多模態融合，將光譜、影像與製程訊號轉化為品質判斷與製程控制資訊，並討論其於資源智慧分選、塑膠改質、結晶化工、化合物半導體非破壞檢測、稀貴金屬分選、低碳替代燃料與氣體捕獲監測之應用潛力。最後提出透過跨領域合作共同建立材料資料庫、場域驗證與線上感測平台之發展方向。

【內文精選】

智慧分選：以精準分類挖掘資源再利用價值

循環經濟的核心精神，不只是將材料從混合料流中回收，更重要的是透過精準分類，重新看見每一種材料的適當用途。若以「天生我材必有用」作為資源循環的思維，許多原本被視為低價、混雜或難處理的料流，其實都可能因為正確辨識、分級與導流，而找到更合適的再利用路徑。真正限制資源價值的關鍵，往往不是材料本身沒有用途，而是分類不精準、品質不穩定，以及缺乏可追蹤的材料資料。

因此，智慧分選的目的不只是提高回收率，而是讓不同材料依據其組成、純度、污染程度、添加劑特性與後端需求，進入最合適的高值化應用。高純度料流可導入材料再生、纖維到纖維循環或工程塑膠再製；中等純度料流可經由改質、複合化或建材化應用提升價值；組成複雜或污染程度較高的料流，則可依規範導向熱裂解、能源回收或其他資源化途徑。透過這樣的分級邏輯，資源不再只是被動處理的對象，而能成為具規格、可追蹤、可再利用的二次原料。

舊衣資源是循環經濟中亟需突破的材料來源。現代衣物並非單一纖維組成，常見材料包括聚酯纖維(PET)、棉、尼龍、彈性纖維及多種混紡布料。其中，PET纖維具有較高再利用價值，若能在前端完成高純度分選，便有機會重新導入紡織廠，作為再生纖維、再生聚酯或其他高值化材料；相反地，若PET含量不足或混紡比例不明，則往往只能進入低值化利用、綠建材或能源回收路徑。

如圖一所示，舊衣資源循環的核心問題在於「混紡比例不明」與「分類純度不足」。若無法有效區分PET、棉混紡、彈性纖維或其他異質材料，多數衣物仍難以回到高值紡織循環。此時，近紅外光譜(NIR) 可快速判斷主要纖維種類，拉曼光譜可補強深色布料或染色材料造成的辨識困難，影像辨識則可輔助判斷衣物顏色、外觀與異物狀態。透過AI模型整合光譜與影像訊號後，可進一步判斷PET含量、混紡型態與材料分級。如圖一所示，以高精準PET混紡材料辨識技術為核心，結合光譜辨識、AI分類模型與自動化分選設備，將衣物料流依PET含量與混紡組成進行分級。高純度PET料流可導入紡織廠作為再生纖維或再生聚酯原料，中等純度料流可進入綠建材或複合材料應用，較複雜之混紡料流則可依品質進入能源回收或其他再利用路徑，形成品牌商、分選端、再製端與應用端之循環供應鏈。

圖一、舊衣PET混紡辨識與高值化循環應用示意

以電器塑膠資源為例，其來源包含家電外殼、資訊設備、馬達零件、連接器、電子零組件與各類複合塑膠件，常見材料包括ABS、HIPS、PP、PC、PC/ABS及玻璃纖維強化塑膠等。此類材料除了樹脂種類多元，也可能含有阻燃劑、填料、顏料、金屬殘留與鹵素添加劑，使其分選難度遠高於一般包裝塑膠。傳統近紅外光譜雖具有快速、非接觸與適合輸送帶整合等優點，但在面對黑色或深色塑膠時，容易受到碳黑與表面吸光特性影響；因此可結合影像辨、FTIR、LIBS與AI模型，同時取得外觀形貌、樹脂種類、元素組成與添加劑資訊。

如圖二所示，電器塑膠資源可由回收端與處理端進行前處理分類，再導入智慧光選系統進行材質辨識與分級。系統可依據影像、LIBS、FTIR與AI分析結果，將材料區分為PP/PE/PS、PC加玻纖、防火ABS、純HIPS、純ABS與雜塑膠等類別 ---以上為部分節錄資料，完整內容請見下方附檔。