工業技術研究院

快時尚使得每年增加上千億件廢棄衣物，人們的衣櫥成了地球的負擔。如何讓舊衣循環再生？關鍵在「分類」。工研院研發的「纖維分選器技術」，以AI與雷射辨識衣料，實現高純度分選，讓舊衣纖維重生，打造本土循環新典範。

在快時尚盛行、流行更替快速的現今社會，全球每人每月平均添購3至5件衣物，根據統計，每年被丟棄的衣物數量高達1,000億件，不僅造成龐大資源浪費，更對環境構成沉重負擔。面對紡織廢棄物激增，各大國際品牌如Adidas、Nike紛紛承諾於2030年前全面使用再生原料。然而，落實「廢衣重生」，最大挑戰在於如何精準分類材質，一旦分類錯誤不僅無法再利用，還大幅增加後端處理的難度。

「若要讓衣料能再生，第一步就是做好分類，而分類的純度必須像回收寶特瓶那樣的仔細，標準甚至要更高，才能實現物理再生。」工研院材料與化工研究所經理江叡涵指出。過去受限於技術，全球僅不到1%的回收衣物能進入再利用流程。目前國際間主流的分選技術多仰賴近紅外光掃描辨識，但聚酯纖維的分選準確度僅約82%，仍需人工篩選，影響再製效率。

以AI訓練光譜模型　一秒識別纖維

為了解決衣物分類的大難題，工研院以AI技術帶動傳統紡織業升級，開發「纖維分選器技術」，結合光譜材料辨識與AI演算法，讓機器能快速掃描衣物上的光譜特徵，判別出所屬的纖維種類，每秒能分選一件衣物，極大提升分類效率與純度，讓再生原料如聚酯纖維能被高效提取並再次投入製程。

「纖維分選器技術」所依賴的關鍵技術是拉曼光譜（Raman Spectroscopy）分析與AI人工智慧的辨識。拉曼光譜是一種非破壞性的光學分析方法，當雷射光打在物體上，大多數光會直接反彈，少部分光子會與物質內部的分子產生互動，發生微小變化就稱為「拉曼散射」，這些變化就像每種材料的「光譜指紋」，可作為辨識依據。工研院以近10年的光譜研究經驗為基礎，為了讓辨識更穩定、減少雜訊干擾，特別選用波長1,064奈米的雷射光作為激發源，不但能避開染料對結果的影響，還能將聚酯纖維的辨識準確率推升至95%。

此外，為了進一步提升辨識速度與準確率，團隊將AI演算法與拉曼光譜技術結合，建立AI模型並投以大量的光譜數據進行訓練，使AI學會辨別不同纖維的專屬光譜特徵。

打造分類資料庫　 面對混紡材質的萬象挑戰

針對紡織品日益多元、混紡比例複雜的挑戰，為了加快辨識速度，團隊進一步開發出「自追焦技術」，當衣物快速經過輸送帶時，可即時偵測衣物皺摺與表面起伏，即時擷取材料的光譜訊號，將數據回傳給電腦，再預判衣物即將進入的位置，當衣服移動時，系統會同步調整偵測器的透鏡，讓雷射光掃描時，始終落在最佳的焦平面上，也就是最能反射光的位置，一次可同時鎖定10個焦點，再結合自建的AI模型進行判讀，不僅能分析材質比例，還可排除大部分纖維顏色、是否有水氣或汙漬等影響辨識的因素，藉此逐步累積龐大的資料庫，再擴展AI的學習模型，讓衣物分類系統能快速適應日益複雜的紡織品樣態。這套「纖維分選器技術」能自動判讀各種混紡比例與光譜特徵，分類純度高達95%以上。

打造本土循環鏈　AI建構紡織減碳新戰略

一部纖維分選器每年可處理約4,000至7,000噸紡織品，其中約1,400噸為可回收再利用的聚酯纖維，相當於減碳1,232噸，不僅減少廢衣焚燒、掩埋所造成的環境衝擊，更提升了資源利用率。且分選後的聚酯纖維還可依其含量高低有不同利用價值路徑：高含量聚酯的混紡纖維可進行「解聚－再聚」程序，重新製成再生聚酯（rPET）纖維，再織成布料；聚酯含量較低的纖維則透過增韌相容劑與異型押出技術，優化加工溫度，解決棉碳化的難題，所製成的再生酯粒可做成高強度環保木塑建材，為低價值的廢纖維找到新出路。

目前臺灣多數回收衣物仍依賴出口，成本與碳排偏高。循環經濟已是必然方向，「纖維分選器技術」的誕生，讓國內具備自主分類與高純度回收能力，未來若能串接本地紡織、染整與成衣業者，有望建構「自產、自回收、自再生」的在地循環鏈，提升資源效率與產業韌性，也讓AI不只改變科技業，還能深入每一條生產線，為紡織產業開創永續新局。