美国布法罗大学(UB)研究人员开发出一种结合科学检测与人工智能的新方法,可有效区分包装中的再生塑料与原生塑料。该技术旨在为企业及监管机构提供快速可靠的监测工具,核实再生材料含量并推动回收法规执行,进而提升塑料制品质量、减少环境污染,助力循环经济发展。
四种传感技术识别微观差异
尽管再生塑料经熔化、清洗和重塑后化学成分与原生塑料高度相似,但仍存在微观杂质及聚合物链断裂等细微差异。研究团队提出四种传感技术以精准判定这些区别:
- 摩擦电测试:测量塑料表面接触后的电荷保持能力。因反复加工导致结构缺陷,再生塑料通常能更长时间保持静电荷。
- 介电/阻抗谱:通过施加电场测量能量储存与损耗方式。再生塑料表现为较低的能量储存和较高的能量损耗。
- 电容分析:追踪塑料在电路中的充放电速度,利用时间差异揭示回收导致的电学性质变化。
- 中红外光谱:通过光照化学结构,直接显示再生塑料中断裂的聚合物链。

阿米特·戈亚尔,PhD,UB化学与生物工程系教授。
机器学习模型准确率超97%
研究团队以聚对苯二甲酸乙二醇酯(PET)为验证对象,利用机器学习整合分析上述传感数据。模型成功识别出与再生塑料比例相关的数据模式,在测定含0–50%再生成分的PET样品时,准确率高于97%。
通讯作者阿米特·戈亚尔教授表示,这是工程创新与人工智能结合服务社会的典范。未来团队计划将多种传感技术与机器学习模型集成至便携式设备中,实现对商业产品再生塑料含量的广泛实时监测。
政策与市场双重驱动应用前景
随着全球多国出台再生材料强制使用法规,该技术的实用价值日益凸显。欧盟委员会近期推出新措施提振再生塑料需求,加之石油及原生塑料价格上涨,预计将进一步推动包装企业采用再生材料。此外,安姆科(Amcor)调查显示,多数欧盟消费者支持在包装中使用再生材料,为技术推广提供了良好的市场基础。

