Использование спектроскопических методов для обнаружения загрязняющих веществ в рециркуляции потоков

Рециркулирующие потоки являются источником жизненной силы экономики замкнутого цикла, превращая отходы пост-потребительского и постиндустриального производства в ценное вторичное сырье. Тем не менее, вся система находится под угрозой загрязнения - нежелательные вещества, которые ухудшают качество материала, увеличивают затраты на переработку и подрывают рынок переработанных товаров. От остаточной упаковки пищевых продуктов в бумажных тюках до нецелевых полимеров в пластиковом хлопке, загрязняющие вещества заставляют переработчиков отклонять целые партии или инвестировать в дорогостоящую очистку нисходящего потока. Спектроскопические методы появились в качестве золотого стандарта для быстрого, точного и без разрушения материала, позволяя объектам сортировать с точностью и уверенностью. В этой статье рассматриваются ведущие спектроскопические методы, используемые в операциях по переработке, их практические преимущества, текущие ограничения и инновации, которые обещают сделать их еще более неотъемлемыми для устойчивого управления отходами.

Что такое спектроскопические методы?

Спектроскопия изучает, как материя взаимодействует с электромагнитным излучением на разных длинах волн. Когда луч света — видимый, инфракрасный, ультрафиолетовый или рентгеновский — поражает материал, атомы и молекулы внутри поглощают, излучают или рассеивают это излучение в характерных узорах. Измеряя эти узоры, спектрометры генерируют уникальные «отпечатки пальцев», которые раскрывают химический состав и структуру образца. При рециркуляции этот принцип позволяет датчику мгновенно различать, скажем, полиэтилен высокой плотности (HDPE) и полипропилен (PP) или обнаруживать бродячий кусок стекла в пластиковом потоке. Ключевыми преимуществами являются скорость (миллисекунды на измерение) и неразрушительность: не требуется физический контакт или подготовка образца, поэтому материал продолжает двигаться по конвейерной ленте без перерыва.

Спектроскопические методы охватывают широкую область электромагнитного спектра. Каждая область предоставляет различную информацию: ближний инфракрасный диапазон (NIR) отлично подходит для идентификации органических полимеров; средний инфракрасный диапазон (IR) дает подробные молекулярные связи; Рамановская спектроскопия обнаруживает симметричные вибрации, полезные для различения тесно связанных материалов; УФ-видимые (UV-Vis) улавливают цветные загрязнители и определенные красители; и рентгеновская флуоресценция (XRF) выявляет элементный состав металлов и тяжелых элементов. Многие современные объекты по переработке объединяют несколько спектроскопических методов в одной линии сортировки для охвата всего спектра загрязняющих веществ, с которыми они сталкиваются.

Общие спектроскопические методы в переработке

Выбор спектроскопической техники зависит от сортируемых материалов, ожидаемого типа загрязнения и требуемой скорости. Ниже приведены основные методы, используемые в контексте промышленной переработки сегодня.

Инфракрасная (ИК) спектроскопия

Среднеинфракрасная спектроскопия (часто называемая инфракрасной трансформацией Фурье или FTIR) исследует фундаментальные вибрационные режимы молекул. Она исключительно чувствительна к функциональным группам — карбонилам, гидроксилам, аминам — и может идентифицировать пластмассы, каучуки и многие органические загрязнители с высокой специфичностью. При переработке FTIR часто используется в лабораториях для автономного контроля качества: образец помещается в спектрометр, и его спектр сопоставляется с библиотекой известных материалов. Например, рециркулирующие используют FTIR для проверки чистоты постпотребительского полипропилена перед его продажей производителям. Метод мощный, но относительно медленный, что делает его более подходящим для точечных проверок, чем сортировка в режиме реального времени на быстро движущемся поясе.

ближняя инфракрасная спектроскопия (NIR)

NIR-спектроскопия стала рабочей лошадкой сортировки пластмасс большого объема. Она работает в диапазоне 780-2500 нм, где наблюдаются обертоны и комбинации молекулярных колебаний. Датчики NIR могут классифицировать обычные упаковочные пластмассы (PET, HDPE, PP, PS, PVC) в миллисекундах, что делает их идеальными для установки над конвейерными лентами в установках восстановления материала (MRFs). Технология надежна, требует минимальной подготовки образца и может работать в пыльных, высокопроизводительных средах. Современные сортировщики NIR используют гиперспектральную визуализацию для создания спектральной карты всего пояса, выбрасывая загрязняющие вещества с струями сжатого воздуха. Основное ограничение системы заключается в том, что непрозрачные или темные материалы (черные пластмассы) плохо поглощают свет NIR, делая их почти невидимыми для стандартных датчиков. Для решения этой проблемы некоторые объекты теперь добавляют средние инфракрасные или видимые камеры в дополнение к NIR.

Для дальнейшего изучения применения NIR в рециркуляции Американское общество по испытаниям и материалам (ASTM) опубликовало ASTM D7256, охватывающий использование спектроскопии NIR для идентификации полимера.

Рамановская спектроскопия

Рамановская спектроскопия измеряет неупругое рассеяние монохроматического лазерного света, обычно в видимом или ближнем инфракрасном диапазоне. Она дополняет ИК-спектроскопию, обнаруживая симметричные и неполярные вибрации, которые слабы в ИК, но сильны в Рамане. Это делает ее особенно ценной для различения химически похожих полимеров - например, дифференциация между нейлоном 6 и нейлоном 6,6. Рамановские спектры являются острыми и высокоспецифичными, а технология хорошо работает с водой (в отличие от ИК), что делает ее полезной для влажного рециркуляции потоков. Портативные рамановские карманные устройства стали обычным явлением для ручного осмотра в депо и проверки качества. Однако, рамановские сигналы слабы по своей природе, требуя более длительного времени интеграции или более высокой мощности лазера, что может вызвать нагревание образца или флуоресцентные помехи от цветных добавок. Последние достижения в области поверхностно-усиленной рамановской спектроскопии (SERDS) смягчают

Ультрафиолетовая видимая (УФ-визуальная) спектроскопия

Спектроскопия УФ-Вис исследует поглощение света в диапазоне 200-800 нм. Хотя она менее распространена, чем NIR или IR для переработки, она играет ключевую роль в обнаружении следовых загрязнителей, которые имеют сильные электронные переходы, такие как определенные красители, чернила и органические загрязнители. Например, УФ-Ви может идентифицировать остаточные пигменты в переработанном ПЭТ, которые могут вызывать обесцвечивание при переплавке. Она также используется для измерения концентрации цветных примесей в переработанном стеклянном колле. УФ-Висс инструменты относительно недороги и могут быть интегрированы в встроенные системы мониторинга для жидких или расплавленных потоков. Последние разработки объединяют УФ-Вис с многомерным анализом данных для обнаружения нецелевых загрязнителей, таких как бензофенон (уФ стабилизатор) в переработанных полиолефинах.

Рентгеновская флуоресценция (XRF) спектроскопия

XRF-спектроскопия использует высокоэнергетические рентгеновские лучи для возбуждения атомов в образце; испускаемые флуоресцентные рентгеновские лучи раскрывают элементный состав. При переработке XRF незаменим для обнаружения тяжелых металлов и других неорганических загрязнителей. В пластмассах он может идентифицировать свинец, кадмий, ртуть, хром и бром, что критически важно для соблюдения директивы Ограничения опасных веществ (RoHS). Сортировщики XRF используются для отделения ПВХ от ПЭТ (ПВХ содержит хлор, который можно обнаружить), и для удаления фрагментов металла из переработанной древесины, бумаги или пластика. Методика быстрая и неразрушающая, но глубина проникновения неглубокая (от нескольких микрон до миллиметров), поэтому предполагается однородность поверхности. Портативные анализаторы XRF широко используются на сортировочных верфях для сортировки сплавов и обнаружения опасных элементов.

Агентство по охране окружающей среды США предоставляет руководство по использованию XRF для скрининга загрязняющих веществ в потоках рециркуляции; см. EPA Method 6200 для более подробной информации.

Лазерно-индуцированная спектроскопия разрушения (LIBS)

LIBS - это новая технология, которая использует высокоэнергетический лазерный импульс для удаления небольшого количества материала с поверхности образца, создавая микроплазму. Излучаемый свет плазмы анализируется спектроскопически для определения элементного состава. LIBS особенно перспективен для идентификации конкретного сорта алюминиевых сплавов или присутствия микроэлементов в пластмассах, таких как бромированные антипирены. Недавние коммерческие сортировщики LIBS могут обрабатывать до нескольких тонн в час с минимальной подготовкой образца. Основными проблемами являются высокая стоимость лазерной системы и необходимость в строгих корпусах безопасности. По мере созревания технологии и снижения затрат, LIBS, как ожидается, станет более распространенным в специализированных линиях переработки для электроники и остатков измельчителя автомобилей.

Преимущества спектроскопического обнаружения

Применение спектроскопических методов приносит количественные преимущества при переработке отходов всех масштабов:

Проблемы и существующие ограничения

Несмотря на доказанную эффективность, спектроскопические методы не являются серебряной пулей. Переработчики должны бороться с несколькими практическими препятствиями:

  • Сложная интерпретация данных — Сырые спектральные данные требуют, чтобы сложные химометрические модели (частичные наименьшие квадраты, анализ основных компонентов) были превращены в действенные сортировочные решения. Создание и поддержание этих моделей требует экспертизы и постоянной калибровки с репрезентативными образцами из местного потока отходов. Модель, обученная на европейской упаковке, может выйти из строя на азиатских отходах из-за различных аддитивных упаковок и профилей загрязнения.
  • Калибровочный дрейф и техническое обслуживание — источники света, детекторы и оптика со временем ухудшаются из-за тепла, пыли и вибрации. Регулярная перекалибровка необходима для поддержания точности; некоторые объекты бюджетируют 5-10% годовых эксплуатационных расходов на техническое обслуживание датчиков.
  • Помехи от влаги, грязи и цвета — Поверхностная влага может доминировать в спектре NIR, маскируя основную сигнатуру полимера. Чёрные или темные пластмассы поглощают свет NIR, появляясь как «черные» для датчика. Аналогичным образом, сильно загрязненные материалы (например, используемые пищевые контейнеры) производят шумные спектры, которые могут привести к неправильной классификации. Предмывочные этапы помогают, но добавляют стоимость и сложность.
  • Высокие первоначальные капитальные затраты — Один сортировщик NIR может стоить от 100 000 до 300 000 долларов, а полная гиперспектральная линия с несколькими датчиками может достигать миллионов.
  • Интеграция с существующей инфраструктурой — Модернизация старых установок требует тщательной конструкции для размещения систем монтажа датчиков, освещения, катапультирования и программного обеспечения управления.
  • Материалы, которые по своей сути являются сложными — Многослойная упаковка (например, пленка с ПЭТ/алюминиевыми ламинатами) часто дает смешанные спектры, которые путают классификаторы. Аналогично, пенопласты или сильно заполненные пластмассы рассеивают свет непредсказуемо. Сортировка этих материалов остается активной областью исследований.

Будущие направления и инновации

Следующее поколение спектроскопической сортировки будет определяться большей интеллектом, портативностью и интеграцией.

Искусственный интеллект и интеграция машинного обучения

Алгоритмы глубокого обучения, особенно сверточные нейронные сети (CNN), обучаются на массивных спектральных библиотеках для повышения точности классификации. ИИ может обрабатывать нелинейные отношения и обрабатывать изменчивость реальных отходов лучше, чем классическая химометрия. Например, в статье 2023 года в Управление отходами и исследования продемонстрировали систему NIR на основе CNN, которая правильно идентифицировала 97% черных пластмасс с использованием спектральных функций в видимом и коротковолновом инфракрасном диапазоне. Эти модели постоянно улучшаются, поскольку они подвергаются большему количеству данных, что позволяет автономно адаптироваться к изменяющимся потокам отходов.

Гиперспектральная и мультиспектральная визуализация

Вместо того, чтобы собирать спектры из одной точки, гиперспектральные камеры захватывают полный спектральный куб по двумерной поверхности. Это позволяет системе обнаруживать небольшие загрязняющие вещества, такие как один металлический винт в крупе измельченного пластика, или картировать распределение добавок по полимерному хлопку. Многоспектральные версии (меньше полос, но оптимизированы для конкретных загрязняющих веществ) становятся экономически эффективными для внутрисетевого использования. Стартапы, такие как Recycleye и TOMRA, уже развертывают эти системы в европейских MRF.

Портативные и портативные устройства

Ручные NIR и рамановские спектрометры, часто в сочетании с облачными спектральными базами данных, становятся стандартными инструментами для аудиторов отходов и переработчиков. Они позволяют быстро идентифицировать неизвестные материалы в центрах высадки или во время инспекции входящего качества. Широко используются такие устройства, как Thermo ScientificTM microPHAZIRTM или B&W Tek NanoRam®. Поскольку эти устройства становятся меньше и дешевле, они также могут быть встроены в транспортные средства для измерения загрязнения на обочине, что позволяет динамическую маршрутизацию на соответствующий процессинговый объект.

Гибридный сенсор Fusion

Наиболее надежные линии сортировки теперь объединяют несколько спектроскопических методов - например, NIR для полимеров, XRF для металлов и галогенов и видимую камеру для сортировки цвета. Путем слияния данных с этих датчиков решение о сортировке гораздо более надежно. Видимая камера может обнаружить неправильно окрашенную этикетку бутылки, в то время как NIR идентифицирует тип полимера и XRF проверяет пигмент тяжелого металла. Система управления затем направляет наиболее подходящий выброс. Этот подход с несколькими датчиками, как ожидается, станет нормой в современных «умных» заводах по переработке.

Стандартизация и базы данных с открытым исходным кодом

Для облегчения внедрения такие отраслевые группы, как Ассоциация переработчиков пластмасс (APR) и Европейский комитет по стандартизации (CEN), работают над согласованными методами испытаний и спектральными базами данных. Инициативы с открытым исходным кодом, такие как проект Open Specy, направлены на то, чтобы сделать эталонные спектры свободно доступными, снижая барьер для небольших переработчиков для реализации спектроскопии. Стандартизированные процедуры калибровки также облегчат сравнение производительности между поставщиками оборудования и объектами.

Интеграция с цифровыми двойниками и платформами оптимизации процессов

Спектроскопические потоки данных подаются в цифровые двойные модели всего завода по переработке. Эти модели предсказывают влияние изменений исходного сырья на уровни загрязнения и чистоту сортировки, позволяя операторам запускать сценарии «что-если», не нарушая производство. Оповещения могут генерироваться, когда спектральные модели указывают на приближающееся отклонение, что позволяет проводить упреждающее техническое обслуживание и обеспечение качества. Такие системы все еще находятся на раннем этапе внедрения, но демонстрируют сильные перспективы для крупномасштабных интегрированных переработчиков.

Заключение

Спектроскопические методы переместились с лабораторного стенда на заводскую площадку, трансформируя то, как рециркулирующие устройства обнаруживают и удаляют загрязняющие вещества. Спектроскопия NIR остается наиболее широко используемым инструментом для сортировки полимеров, в то время как ИК, Раман, УФ-визы, XRF и LIBS заполняют конкретные ниши для различных потоков материала и типов загрязняющих веществ. Сочетание скорости, неразрушающего анализа и обратной связи в режиме реального времени сделало эти методы незаменимыми для достижения высоких уровней чистоты, требуемых производителями нисходящего потока. Тем не менее, проблемы стоимости, сложности данных и изменчивости материала сохраняются. Достижения в области искусственного интеллекта, гиперспектральной визуализации, портативных устройств и синтеза датчиков быстро устраняют эти ограничения. По мере того, как глобальный призыв к действительно круговой экономике растет громче, продолжающаяся эволюция и более широкое внедрение спектроскопического обнаружения будет краеугольным камнем успеха - превращая мечту об обработке нулевых отходов в повседневную реальность.

Для дальнейшего изучения стандартов и передовой практики в спектроскопической сортировке рециркуляции обратитесь к критическим руководящим документам Ассоциации переработчиков пластмасс (APR) и стандарту ISO 21424:2020 по анализу преобразования Фурье в инфракрасном диапазоне (FTIR) для отходов пластмасс.