德国研究联盟启动SpectralAIge项目：用AI和高光谱成像追踪再生塑料降解

B910化工消息：5月19日消息，德国四家研究机构和科技企业联合启动了名为SpectralAIge的合作项目，致力于开发一种基于人工智能和高光谱成像的创新技术，用于监测再生塑料的降解程度。

该项目由德国塑料中心SKZ牵头，参与方包括弗劳恩霍夫工厂运营与自动化研究所（Fraunhofer IFF）、Silicann Systems和HAIP Solutions。项目的核心目标是解决塑料回收行业长期存在的一个关键难题：如何准确评估塑料材料在经历多次机械回收后质量下降的程度。

目前，工业界尚无一种完全可靠的方法能够定量测量废旧塑料和再生聚合物的降解水平。业界普遍了解材料性能会随回收次数增加而恶化，但一直没有标准化且可靠的技术手段来精确预测这种劣化趋势。

SpectralAIge项目的技术路线是将高光谱成像技术与LED光源相结合，通过分析聚乙烯（PE）、聚丙烯（PP）和聚对苯二甲酸乙二醇酯（PET）等常见塑料的荧光响应来获取材料老化数据。采集到的光谱数据将通过化学计量学模型和人工智能系统进行处理，对比不同的分析方法，以确定检测材料老化的最有效手段。

验证成功的方案将被集成到自动化工业质量控制软件中，用于生产线上的实时降解检测。此外，研究团队还在开发低成本光谱仪，针对特定应用场景进行优化，例如在押金制回收瓶系统中监测PET瓶材料的循环使用状况。

从产业背景来看，欧盟《包装和包装废弃物法规》（PPWR）于2025年正式生效，要求到2030年塑料包装中再生材料比例不低于30%，到2040年不低于65%。这一政策推动了再生塑料需求的快速增长，同时也对再生材料的质量控制提出了更高要求。塑料在每次热加工和机械处理过程中，分子链会发生断裂、交联和氧化，导致力学性能、热稳定性和外观品质逐步下降。如果无法精确量化这种降解，再生塑料的下游应用将受到严重限制，尤其是在食品接触材料和高端工程领域。

高光谱成像结合AI的分析方法，与传统的熔体流动指数（MFI）测试和差示扫描量热法（DSC）相比，具有非接触、实时、可在线部署的优势。目前全球多个研究团队正在探索类似技术路线。2026年4月，美国华盛顿州立大学的研究团队也发表了利用AI驱动光谱成像识别可回收塑料的研究成果，显示出这一技术方向的全球竞争态势。

SpectralAIge项目的最终成果若能成功工业化，将为再生塑料的质量分级和定向应用提供科学依据，帮助回收企业根据材料降解程度将再生塑料分配到最适合的下游产品线，从而在保障产品性能的同时最大化再生材料利用率，为塑料循环经济的技术基础设施补上关键一块拼图。 （来源：ChemOrbis）