NIST duomenų bazė, vadinama „NIR-SORT“, kurioje yra įvairių audinių molekuliniai „pirštų atspaudai“, leis greičiau ir efektyviau rūšiuoti tekstilę ir drabužius. Aplinkos apsaugos agentūros (EPA) duomenimis, 2018 metais apie 85 % dėvėtų drabužių ir tekstilės gaminių pateko į sąvartynus ir deginimo krosnis, eikvodami brangius išteklius ir teršdami aplinką. Teigiama, kad viena iš priežasčių yra ta, kad perdirbimas gali būti brangesnis nei šalinimas sąvartynuose, todėl įmonės turi mažai paskatų perdirbti. Norėdami padėti išspręsti šią problemą, NIST (Nacionalinio standartų ir technologijų instituto) mokslininkai sukūrė nemokamą duomenų bazę, kurią galima atsisiųsti iš NIST viešųjų duomenų saugyklos.
Amanda Forster, NIST medžiagų tyrimų inžinierė, vadovauja NIST projektui, kurio pagrindinis dėmesys skiriamas nebenaudojamų tekstilės gaminių išlaikymui ekonomikoje, ty procesui, vadinamam tekstilės cirkuliacija. Ji teigė, kad šie pamatiniai duomenys padės pagerinti rūšiavimo algoritmus ir atskleisti didelio našumo rūšiavimo, kuriam reikia mažiau rankų darbo, potencialą, ir pažymėjo, kad tai turėtų sumažinti išlaidas ir padidinti efektyvumą, todėl tekstilės perdirbimas taps ekonomiškesnis.
NIST duomenų bazėje yra 64 skirtingų tipų audiniai ir jų gaminami NIR pirštų atspaudai
Pastaraisiais metais tekstilės atliekų problema auga. Viena iš priežasčių laikoma greita mada, verslo modeliu, pagal kurį įmonės parduoda didelius kiekius nebrangių, madingų drabužių, kurie dažnai greitai išmetami. Nauji tekstilės tipai, mišri tekstilė ir neišsamus arba netikslus ženklinimas taip pat kelia didelių iššūkių rūšiuojant tekstilę perdirbimo centruose.
Tuose centruose darbuotojai rūšiuoja drabužius naudodami rankinius prietaisus, kurie šviečia beveik infraraudonųjų spindulių šviesa. Šie prietaisai matuoja, kiek šviesos praeina ar išsklaido audinį, sukurdami unikalų raštą – savotišką pirštų atspaudą, pagal kurį galima nustatyti drabužių pluošto tipą. Ši technika, vadinama artimųjų infraraudonųjų spindulių (NIR) spektroskopija, taip pat gali būti naudojama automatizuotose konvejerių sistemose. Tačiau dabartiniai metodai vis dar reikalauja daug rankų darbo.
Pastaraisiais metais perdirbimo įrangos gamintojai vis dažniau naudoja mašininį mokymąsi ir dirbtinį intelektą, kad pagerintų savo rūšiavimo algoritmus. Norint išmokyti šiuos algoritmus, jiems reikia aukštos kokybės pamatinių duomenų. Šiuo metu NIST duomenų bazė vaidina svarbų vaidmenį.
Tai vadinama Near-Infrared Spektra of Origin-defined and Real-World Textiles arba NIR-SORT, jame yra 64 skirtingų tipų audiniai ir jų gaminami NIR pirštų atspaudai. Duomenų bazėje yra grynų pluoštų tipų, tokių kaip medvilnė ir poliesteris; mišriųjų pluoštų rūšys, pvz., spandekso mišiniai; ir realaus pasaulio audiniai, paimti iš sendaikčių parduotuvių. NIR skaitytuvų sistemų gamintojai gali naudoti šią duomenų bazę, norėdami mokyti ir išbandyti savo rūšiavimo algoritmus bei pagerinti savo gaminių našumą.
„AI gali padėti padaryti sprendimų priėmimo procesą tikslesnį“
„Sunkumas kyla, kai pluoštai yra panašūs, pavyzdžiui, medvilnė ar kanapės. Tai reiškia, kad artimųjų infraraudonųjų spindulių signalas yra panašus. Tas pats pasakytina apie medvilnės ir poliesterio mišinį. Ar tai naujas pluoštas, ar dviejų ar daugiau pluoštų mišinys? sakė NIST tyrimų chemikė Katarina Goodge, kuri vadovavo duomenų bazės kūrimui. Goodge'as pabrėžė, kad AI gali padėti padaryti sprendimų priėmimo procesą tikslesnį.
