Kunststofafval is een van de meest dringende milieu-uitdagingen van de 21e eeuw geworden. Met een wereldwijde productie van meer dan 400 miljoen ton per jaar en slechts ongeveer 9% van alle plastic ooit geproduceerd effectief gerecycled, is de behoefte aan efficiënte sorteertechnologieën nooit groter geweest. In het hart van moderne recyclingprocessen ligt het vermogen om snel en nauwkeurig onderscheid te maken tussen recycleerbare en niet-recycleerbare kunststoffen. Spectroscopische technieken zijn ontstaan als de hoeksteen van deze inspanning, die snelle, niet-destructieve analyse biedt die kan worden geschaald tot industriële volumes. Door gebruik te maken van de unieke manieren waarop verschillende polymeren met licht omgaan, bieden deze methoden een chemische vingerafdruk voor elk plastic type, waardoor geautomatiseerde sorteersystemen materialen met precisie kunnen scheiden tot ver buiten de menselijke vermogens.

De Plastic Recycling Challenge: Waarom Sorteren Zaken

Niet alle kunststoffen worden in de recyclingstroom gelijk gemaakt. Thermoplastics zoals PET (polyethyleentereftalaat, harscode 1) en HDPE (polyethyleen met hoge dichtheid, harscode 2) worden op grote schaal gerecycled, terwijl andere zoals PVC (polyvinylchloride, code 3) of gemengde materialen vaak partijen besmetten. Zelfs onder recycleerbare types, verschillende polymeren vereisen aparte verwerking .mixing PET met HDPE in een smeltstroom resulteert in slechte kwaliteit materiaal ongeschikt voor nieuwe producten. De aanwezigheid van niet-recycleerbare kunststoffen, zoals thermosets of zwarte kunststoffen die infrarood licht absorberen, bemoeilijkt het sorteren. Vervuilingsgraad van 5% kan een partij niet-recycleerbaar maken, waardoor de behoefte aan analytische technieken die kunststof met meer dan 99% nauwkeurigheid kunnen identificeren, wordt bemoeilijkt.

Handmatig sorteren, nog steeds gebruikelijk in veel regio's, berust op menselijke visuele inspectie van resin identificatiecodes[ (de nummers in het achtervolgpijlsymbool). Echter, deze codes ontbreken vaak, gedragen, of bedekt door etiketten. Bovendien zien veel kunststoffen er identiek uit aan de blote oog.PET flessen en duidelijke PVC flessen lijken vergelijkbaar maar hebben verschillende chemische samenstellingen. Spectroscopische methoden overwinnen deze beperkingen door de moleculaire structuur rechtstreeks te onderzoeken, waardoor ze onmisbaar zijn voor moderne recyclingfaciliteiten.

Spectroscopische technieken: principes en workflows

Spectroscopie meet de interactie tussen materie en elektromagnetische straling. Bij toepassing op kunststoffen absorberen, reflecteren of verstrooien verschillende polymeren licht bij karakteristieke golflengten, waardoor een unieke spectrale handtekening ontstaat. Door deze handtekening te vergelijken met een database van bekende polymeren, kan het materiaal in milliseconden worden geïdentificeerd. Dit proces kan worden toegepast op transportbanden die op meerdere meters per seconde bewegen, waardoor in realtime duizenden stukken per uur kunnen worden gesorteerd. De meest gebruikte technieken in kunststofrecycling zijn FTIR, Raman, NIR, LIBS en hyperspectrale beeldvorming.

Fourier Transform Infrarood (FTIR) Spectroscopie

FTIR spectroscopie werkt door een breed spectrum van infrarood licht op een monster te laten schijnen en te meten welke golflengten worden geabsorbeerd. De absorptiepieken komen overeen met specifieke moleculaire trillingen.Bijvoorbeeld C-H-rekken in polyethyleen- of carbonylgroepen in PET. Elk polymeer heeft een apart infraroodspectrum, net als een vingerafdruk. Moderne FTIR-systemen die worden gebruikt in recycling kunnen kunststoffen in minder dan 100 milliseconden classificeren. Ze zijn bijzonder effectief voor transparante en doorschijnende kunststoffen en zijn vaak geïntegreerd in bijna-infrarood (NIR) systemen voor een bredere golflengtedekking.

Een kritisch voordeel van FTIR is het vermogen om te onderscheiden tussen chemisch vergelijkbare polymeren, zoals verschillende soorten polypropyleen of nylon kwaliteiten. Deze precisie vermindert kruisbesmetting en verbetert de kwaliteit van gerecycleerde pellets. Volgens een studie gepubliceerd in Waste Management & Research[], FTIR-gebaseerde sorteertechniek bereikt meer dan 98% nauwkeurigheid voor gewone verpakkingsplastics (bron)[.

Raman Spectroscopy

In tegenstelling tot FTIR, die geabsorbeerd licht meet, detecteert Raman spectroscopie inelastisch verspreid licht van een laser-gelicht monster. De verspreide fotonen winnen of verliezen energie die overeenkomt met moleculaire trillingen, wat een complementair spectrum oplevert. Raman is minder gevoelig voor waterinterferentie en kan zeer kleine deeltjes (tot enkele micrometers), waardoor het ideaal is voor het sorteren van plastic vlokken of microplastics. Het werkt ook goed met gekleurde en ondoorzichtige materialen, waaronder zwarte kunststoffen die berucht moeilijk zijn voor NIR-systemen.

Recente vooruitgang heeft geleid tot draagbare Raman apparaten die ter plaatse kunnen worden gebruikt in recyclingcentra of zelfs door afvalinspecteurs. Echter, Raman signalen kunnen zwak zijn en vereisen zorgvuldige laser energiebeheer om het branden van het monster te voorkomen. Ondanks dit, zijn vermogen om additieven, vulstoffen, en coatings te identificeren die vaak van invloed recyclebaarheid maken het een waardevolle aanvulling op FTIR (bron) .

Bijna-infrarood (NIR) Spectroscopie

NIR spectroscopie werkt in het 780

NIR systemen zijn zeer effectief voor het sorteren van PET, HDPE, LDPE, PP en PS (polystyreen). Hun belangrijkste beperking is moeilijkheden met donker gekleurde kunststoffen (vooral koolstof-zwart gepigmenteerde items) die het meeste bijna-infrarood licht absorberen. Om dit te verhelpen, faciliteiten vaak combineren NIR met andere sensoren of pre-behandel zwarte kunststoffen met markeringsmiddelen. NIR technologie blijft evolueren, met multispectrale en hyperspectrale NIR sensoren nu in staat om tientallen golflengtebanden tegelijk te verzamelen voor meer genuanceerde classificatie (EPA op kunststof recycling) .

Laser-induced breakdown spectroscopie (LIBS)

LIBS gebruikt een hoogenergetische laserpuls om een microplasma op het plastic oppervlak te creëren. Het plasma zendt licht uit bij golflengten die kenmerkend zijn voor de elementaire samenstelling van het monster. Hoewel plastic polymeren voornamelijk koolstof en waterstof zijn, kan LIBS sporenelementen zoals chloor (in PVC), broom (in vlamvertragende kunststoffen) of zware metalen detecteren die een plastic niet-recycleerbaar maken. Dit maakt LIBS bijzonder nuttig voor het identificeren van gevaarlijke materialen die uit de recyclingstroom moeten worden verwijderd.

LIBS kan monsters in minder dan een seconde analyseren en recente draagbare LIBS-apparaten zijn ingezet in schrootwerven en e-afvalrecyclingcentra. De oppervlaktegevoeligheid ervan betekent echter dat coatings of verontreinigingen resultaten kunnen verdraaien. Daarnaast is LIBS een destructieve techniek op microschaal, die aanvaardbaar is voor sorteren, maar niet voor kwaliteitscontrole van eindproducten.

Hyperspectrale beeldvorming

Hyperspectrale beeldvorming combineert spectroscopie met ruimtelijke informatie. Een camera vangt een hele spectrale band (bv. van zichtbaar tot kortgolfinfrarood) voor elke pixel in een afbeelding, waardoor een driedimensionale datakubus (spatiale coördinaten x, y en spectrale dimensie) ontstaat. Dit maakt classificatie niet alleen mogelijk van het plastic type maar ook van zijn ruimtelijke verdeling.Bijvoorbeeld, het identificeren van een multilayer verpakkingsfilm bestaande uit PET en polyethyleen die in één stuk naast elkaar bestaan.

Hyperspectrale systemen worden steeds vaker gebruikt in geavanceerde recyclinginstallaties omdat ze gemengde afvalstromen met hoge nauwkeurigheid kunnen verwerken. Ze zijn bijzonder effectief voor het sorteren van post-consument verpakkingen waar meerdere polymeren worden gelamineerd. De rekeneisen zijn hoger dan met puntspectroscopie, maar vooruitgang in machine learning hebben real-time verwerking mogelijk gemaakt. Een Witboek van de Technische Universiteit van Denemarken toonde aan dat hyperspectrale sorteren de recycle zuiverheid met 15 ›20% kan verhogen ten opzichte van conventionele NIR systemen (bron).

Toepassing in automatische sorteersystemen

In een typische grootschalige recyclinginstallatie komt ongesorteerd plastic afval in een reeks trommelschermen en magneetscheiders om metalen en andere verontreinigingen te verwijderen. Plastics passeren dan onder een reeks spectroscopische sensoren boven hoge snelheid transportbanden. Wanneer een stuk plastic wordt geïdentificeerd als een specifiek polymeer (bv. PET), een nauwkeurige ontploffing van perslucht uit sproeiers onder de band buigt het af in de juiste parachute. Dit proces kan tot 10 ton materiaal per uur met een nauwkeurigheid van meer dan 95% verwerken.

Voorbeelden van installaties zijn de TOMRA AUTOSORTTM-serie en de MSSTM (CP Group) optische sorteerders, die beide afhankelijk zijn van NIR, FTIR en soms multispectrale beeldvorming. Veel planten combineren meerdere spectroscopische methoden: NIR voor bulksortering, Raman voor het verifiëren van moeilijke fracties, en LIBS voor het verwijderen van gevaarlijke kunststoffen. Deze multisensor aanpak vermindert drastisch de hoeveelheid niet-recycleerbaar materiaal dat eindigt in balen bestemd voor reprocessors.

Voordelen over handmatig sorteren

  • Speed: Spectroscopische systemen identificeren honderden items per seconde, die de menselijke vermogens ver overtreffen.
  • Nauwkeurigheid: Het machinezicht in combinatie met spectrale analyse bereikt een zuiverheid van >98% voor doelpolymeren.
  • Consistentie: Geautomatiseerde systemen werken 24/7 zonder vermoeidheid, waarbij de hoge doorvoer wordt gehandhaafd.
  • Veiligheid: Verwijdert werknemers van contact met scherp, verontreinigd of gevaarlijk afval.
  • Kosteneffectiviteit: Hoewel de initiële investering hoog is, leiden lagere arbeidskosten en hogere kwaliteit van recyclesystemen in de loop van de tijd tot sterke ROI.
  • Gegevensverzameling: Spectroscopische gegevens kunnen worden geregistreerd voor kwaliteitscontrole, materiaalstroomanalyse en nalevingsrapportering.

Beperkingen en uitdagingen

Ondanks hun kracht, spectroscopische technieken zijn geen zilveren kogel. Belangrijkste uitdagingen zijn onder andere:

Zwarte plastics en donkere pigmenten

Koolstofzwart, het meest voorkomende pigment, absorbeert infrarood en bijna infrarood licht, waardoor zwarte kunststoffen bijna onzichtbaar zijn voor NIR- en FTIR-sensoren. Raman en LIBS kunnen dit gedeeltelijk overwinnen, maar hun lagere doorvoer beperkt het gebruik ervan in snelle sorteersystemen. Sommige faciliteiten introduceren fluorescente markers of gebruiken zichtbare lichtcamera's in combinatie met diep leren om zwarte items te identificeren op basis van vorm en textuur.

Gemengde materialen en meerlaagse kunststof

Veel verpakkingsartikelen combineren meerdere polymeren. Bijvoorbeeld een PET-fles met een PP-dop of een PE-gecoate karton. Spectroscopische methoden lezen vaak alleen de oppervlaktelaag. Hyperspectrale beeldvorming en geavanceerde signaalverwerking kunnen bijdragen van verschillende lagen scheiden, maar het blijft een uitdaging voor conventionele puntsensoren.

Uitrusting en onderhoudskosten

Hoge spectroscopische sorteerders kunnen honderdduizenden dollars kosten, waardoor ze voor kleinschalige recyclers verboden worden. Daarnaast vereisen sensoren kalibratie en bescherming tegen stof en mechanische schokken. De behoefte aan opgeleide technici om deze systemen te bedienen en te onderhouden kan ook een belemmering zijn in ontwikkelingsgebieden.

Voorbereiding en presentatie van het monster

Kunststoffen die nat, bevuild of vermalen zijn, kunnen onbetrouwbare spectra vertonen. Consistente riemsnelheid, verlichting en materiaalstroom zijn van cruciaal belang voor een nauwkeurige identificatie. In sommige gevallen is een voorwasstap nodig om organische verontreinigingen te verwijderen voordat ze worden gesorteerd.

Spectrale database-updates

Nieuwe plastic formuleringen, biologisch afbreekbare polymeren en additieven verschijnen regelmatig. Het behoud van een up-to-date spectrale bibliotheek is essentieel voor een nauwkeurige classificatie. Cloud-gebaseerde databases en geautomatiseerd leren van plantengegevens zijn opkomende oplossingen.

Toekomstige aanwijzingen

De volgende generatie van spectroscopisch sorteren zal worden gedreven door drie belangrijke trends: kunstmatige intelligentie, miniaturisatie en data-integratie. Diep lerende modellen, met name convolutionele neurale netwerken (CNNs), kunnen spectrale data classificeren met een hogere nauwkeurigheid en robuustheid van lawaai dan traditionele chemometrische methoden. Deze modellen kunnen ook spectrale ingangen combineren met kleur, vorm en textuurgegevens van conventionele camera's, waardoor meer holistische sorteerbeslissingen mogelijk zijn.

Draagbare en handbediende spectrometers worden steeds betaalbaarder en nauwkeuriger. Deze apparaten maken het mogelijk om de sorteerresultaten ter plaatse te verifiëren en kunnen worden ingezet op inzamelingspunten of stortplaatsen. Zo kan het handbediende NIR-apparaat SpectroSort 30 kunststoftypen binnen twee seconden identificeren, met nauwkeurigheid vergelijkbaar met instrumenten op het werkblad. Zo kunnen kleine recyclers en informele afvalwerkers die momenteel op manuele methoden vertrouwen, gebruik maken van dergelijke instrumenten.

Integratie met het Internet of Things (IoT) en cloud computing zal het mogelijk maken om in realtime spectrale gegevens te delen over de hele recyclingketen. Een sorteerinstallatie in een stad kan updates ontvangen van zijn classificatiemodellen op basis van gegevens verzameld in een andere fabriek die vergelijkbare afvalstromen verwerken. Deze samenwerking zal de creatie van uitgebreide spectrale bibliotheken versnellen en de sorteerprestaties wereldwijd verbeteren.

Ten slotte is onderzoek naar hybride sensorsystemen die NIR, Raman, LIBS en röntgenfluorescentie in één enkele eenheid combineren. Dergelijke systemen zouden een volledig chemisch en elementair profiel van elk item bieden, waardoor niet-recycleerbare contaminanten zoals vlamvertragers of zware metalen kunnen worden opgespoord die anders onopgemerkt zouden blijven. Het doel is om bijna-100% zuiverheid in gerecycleerde kunststoffen te bereiken, waardoor ze echt concurrerend zijn met nieuw materiaal.

Conclusie

Spectroscopische technieken hebben plastic recycling van een ruwe scheidingsproces al omgezet in een precisie-engineering. FTIR, Raman, NIR, LIBS, en hyperspectrale beeldvorming brengen allemaal unieke sterke punten in de taak om recycleerbaar te onderscheiden van niet-recycleerbare kunststoffen. Terwijl uitdagingen vooral met zwarte kunststoffen, gemengde materialen en kostenbarrières niet-aflatende vooruitgang in sensortechnologie, machine learning en draagbare apparaten beloven om hoog-precieze sorteer toegankelijk te maken voor elke recyclingfaciliteit wereldwijd. Door te investeren in deze analytische instrumenten, kan de recyclingindustrie de verontreiniging drastisch verminderen, het aanbod van hoogwaardige recyclaat verhogen en uiteindelijk helpen om de lus op kunststofafval te sluiten.