以AI引領循環經濟新階段
由Nextek有限公司(si)牽頭的NEXTLOOPP項(xiang)目(mu)，致力于從消費(fei)后(hou)包(bao)裝中生(sheng)產食品(pin)(pin)級再生(sheng)聚丙烯（rPP）。該聯(lian)盟匯聚了(le)塑料價值(zhi)鏈上的各方參與(yu)者，旨在共同開發可(ke)規(gui)模化、安全、符合歐盟、英國和(he)美(mei)國食品(pin)(pin)接觸標準的循環(huan)回收解決方案。
自2020年(nian)啟(qi)動以來，NEXTLOOPP項目(mu)一直(zhi)致(zhi)力于解(jie)決(jue)一個長(chang)期困擾行業的(de)難題：如(ru)何高(gao)效(xiao)分選食品級與非食品級PP包(bao)裝(zhuang)，實現真正(zheng)的(de)閉環(huan)回(hui)收(shou)。
作為全球傳感分選技術的領導者，陶朗從項目伊始便參與其中，并為其提供了核心的光譜分選與AI技術支持。通過結合陶朗的AUTOSORT?系統與先進的深度學習平臺GAINnext?，雙(shuang)方團隊(dui)成功(gong)展(zhan)示了AI在塑料(liao)分選領域的革命性潛力。
在早期的聯合試驗中，NEXTLOOPP團隊曾使用紫外標記方案配合陶朗的光譜系統，以便更好地區分食品級與非食品級包裝。這是當時最有效的分選方式之一。但陶朗始終相信：未來的突破不在于依賴標記，而在于依靠AI的智能識別能力。
從標記到智能識別：AI開啟全新可能
早在2019年(nian)，陶朗(lang)便率(lv)先將深度學習技術(shu)引入分(fen)選領域(yu)，成功應(ying)用(yong)(yong)于從(cong)PE流中分(fen)離硅膠筒及(ji)木材分(fen)選等工業場景。2024年(nian)初，陶朗(lang)進一步(bu)推出了針對食品(pin)級塑(su)料的(de)AI分(fen)選應(ying)用(yong)(yong)，專門應(ying)對行業普遍面(mian)臨的(de)食品(pin)包裝(zhuang)分(fen)離挑戰。
在(zai)(zai)這(zhe)一過程中，陶(tao)朗與NEXTLOOPP共同進行了嚴格的(de)工業級(ji)驗證測試。GAINnext? AI系統在(zai)(zai)短時間內展現(xian)出驚人的(de)學(xue)習與識別(bie)能(neng)力——不僅能(neng)夠精(jing)準識別(bie)PP包(bao)裝，還能(neng)以超過95%的(de)準確率區分(fen)食品級(ji)包(bao)裝。
這一成果(guo)被認為是行業的(de)“變革節點”。它讓(rang)品牌商有望在滿足食品安全監(jian)管(guan)要(yao)求(qiu)的(de)同時，加速實(shi)現循環經濟(ji)目標。
AUTOSORT與GAINnext：AI分選的行業標準
在后續的大規模(mo)試驗(yan)中，陶朗的AUTOSORT?系統結合GAINnext?深(shen)度學(xue)習模(mo)塊(kuai)，實現了每小時處(chu)理5噸(dun)混合PP包裝的能力，并在輸出端獲得超過97%的食品級(ji)純度。
這(zhe)項成果證明(ming)：AI不(bu)僅(jin)可(ke)以(yi)匹敵傳統(tong)(tong)標記技術，更(geng)能以(yi)更(geng)高(gao)的(de)速度(du)、更(geng)低的(de)改造成本取代后(hou)者。系(xi)統(tong)(tong)不(bu)再依賴額外的(de)標簽或熒光(guang)標記，而是(shi)通(tong)過(guo)分析包裝自身的(de)形(xing)狀(zhuang)、顏色、尺寸(cun)、透明(ming)度(du)等視覺特征，實現高(gao)精度(du)的(de)自動識別。
因此，配備(bei)GAINnext?的AUTOSORT?系(xi)統可直接部署于現有(you)的PP分選設施中，無需對包裝或生產(chan)線進行額(e)外改動。
推動食品級再生PP生產
得益于AI分選的高準確度，AUTOSORT?與GAINnext?的(de)結合能夠(gou)為回(hui)收(shou)體系(xi)提(ti)供穩定、高純度的(de)食品級再(zai)生PP原料流(liu)（rPP）。這(zhe)使(shi)得(de)NEXTLOOPP的(de)去污(wu)工(gong)藝可在更多地區快速落地，無需等待新(xin)的(de)標(biao)(biao)簽或(huo)標(biao)(biao)記標(biao)(biao)準出臺。
這一突破將(jiang)顯著(zhu)提(ti)(ti)升食品級再生料(liao)的(de)供應能(neng)力，為品牌商(shang)提(ti)(ti)供可追溯、可再利(li)用的(de)材料(liao)來源，同時幫助他們(men)實現(xian)更高比(bi)例的(de)可循環(huan)包裝(zhuang)目標。
為AI而設計的包裝
陶朗的(de)深度學習系(xi)統通過對數以千(qian)計的(de)包(bao)裝(zhuang)樣本進行訓練，逐步建立起識(shi)別食品包(bao)裝(zhuang)的(de)“視(shi)覺語言”。AI能根據包(bao)裝(zhuang)的(de)外形、比例、印刷、透(tou)明度和顏(yan)色等特征進行快速(su)分(fen)類。即使包(bao)裝(zhuang)在使用或(huo)回(hui)收過程(cheng)中被(bei)壓(ya)扁或(huo)撕裂，系(xi)統仍能在毫秒間做出準(zhun)確判斷。
未來，隨著AI技術的(de)持續優化(hua)，包裝(zhuang)設計也將迎來新的(de)指(zhi)導方向(xiang)——品牌商可以通過(guo)更加標準化(hua)、易識(shi)別的(de)包裝(zhuang)外形來提升AI識(shi)別率，而無需依賴標簽或特殊(shu)標記(ji)。
這不僅(jin)簡化了設計和生產流程(cheng)，也(ye)為生產者(zhe)責(ze)任延伸制度（EPR）的數據(ju)追蹤(zong)與報告創造了新可能。
引領智能回收的新時代
陶朗的AUTOSORT?系統搭載GAINnext?深度學習技術，正在為回收行業樹立新的標準。
這一創(chuang)新(xin)讓高(gao)精(jing)度、高(gao)速度的AI分選成(cheng)為現實(shi)，也讓可(ke)持續與循環(huan)設計自然融入包裝(zhuang)開發流(liu)程(cheng)。
隨著(zhu)傳(chuan)統標記方案逐步淡出，AI驅(qu)動(dong)(dong)的(de)分選(xuan)技術(shu)正讓回收(shou)變得更(geng)智能、更(geng)經濟，也更(geng)可持續(xu)。陶朗將繼續(xu)攜手行業(ye)伙伴，共同(tong)推(tui)動(dong)(dong)人工智能在全球回收(shou)體系(xi)中的(de)應用，為(wei)真正的(de)循環未來(lai)奠(dian)定(ding)基礎(chu)。