Sortownie tworzyw sztucznych w 2026 r. stoją przed problemem, który zna każda nowoczesna instalacja recyklingu — strumień odpadów polimerowych jest coraz bardziej heterogeniczny, a klasyczne metody NIR osiągnęły swoje granice. Dotyczy to zwłaszcza tworzyw pigmentowanych sadzą oraz mieszanych frakcji ze zużytego sprzętu elektronicznego (WEEE), gdzie selektywne rozróżnienie PE, PP, PET, PS, ABS i kopolimerów wymaga technik o większej specyficzności chemicznej.

W Gekko Photonics projektujemy i produkujemy procesowe analizatory Ramana — Spectrally X1 INLINE, Spectrally X1 LAB i Spectrally X1 PORTABLE — z myślą o przemysłowej kontroli chemicznej. Recykling polimerów nie jest naszą branżą core (najwięcej wdrożeń mamy w żywicach, kosmetykach i nawozach), ale platforma X1 ma już udokumentowane feasibility w tym obszarze — m.in. ilościowe oznaczanie zanieczyszczeń silikonowych w recyklacie PA66 (kalibracja 0,3–1,0%) i rozróżnianie zanieczyszczeń w recyklatach LDPE/HDPE. Każde nowe zastosowanie sortownicze potwierdzamy projektowo, po feasibility na próbkach klienta. Niniejszy przegląd porządkuje obraz technik spektroskopowych dla recyklingu polimerów w świetle publikacji 2025–2026.

Stawka jest wysoka: spełnienie celów europejskich regulacji dotyczących tworzyw jednorazowych i nowego rozporządzenia o opakowaniach (PPWR) oraz wymogi rynku rPET, rPE i rPP wymuszają coraz wyższą czystość frakcji wyjściowych. Spektroskopia jest tu narzędziem — wybór konkretnej techniki (Raman, NIR, MIR, MWIR, THz) zależy od chemii strumienia i wymagań klasy materiałowej.

Dlaczego klasyczne NIR osiąga granice w nowoczesnej sortowni

Obrazowanie hiperspektralne w bliskiej podczerwieni (NIR-HSI, typowo 0,9–1,7 µm) jest dziś standardem w dużych sortowniach drugiej i trzeciej generacji. Identyfikacja typowych frakcji opakowaniowych — PET, HDPE, LDPE, PP — działa stabilnie, przy odpowiednim podaniu materiału na taśmie i z dobraną oświetlaczem geometrią pomiaru. Problem zaczyna się tam, gdzie pojawia się sadza techniczna (carbon black) jako pigment: silna absorpcja w NIR sprawia, że odbicie jest bliskie zera, a klasyfikator nie ma sygnału do pracy.

Drugi obszar trudny dla NIR to mieszaniny WEEE — obudowy elektroniki zawierają najczęściej ABS, HIPS, PC i blendy PC/ABS, często czarne, z dodatkami uniepalniającymi. Tu wzrost selektywności wymaga przejścia na technikę o większej specyficzności chemicznej — Raman, MIR, MWIR-HSI lub THz-TDS — albo użycia hybrydy NIR z dodatkowym kanałem spektralnym.

Deep-UV Raman dla czarnych plastików — postęp 2026

Jednym z najciekawszych wyników 2026 r. jest opublikowane w Journal of Raman Spectroscopy rozwiązanie wykorzystujące Raman w głębokim ultrafiolecie (DUV, laser NeCu 248,6 nm) do identyfikacji czarnych tworzyw bezpośrednio na taśmie sortowniczej. Klucz polega na tym, że emisja fluorescencyjna z czarnych dodatków zachodzi w bliskim UV i widzialnym — czyli poza zakresem widm Ramana wzbudzanych w DUV. Dzięki temu sygnał Ramana nie jest tłumiony przez tło, mimo że dominującym pigmentem jest sadza.

Autorzy demonstrowali rozróżnienie PE, PP i PET — czyli komercyjnie najważniejszych klas — z odległości stand-off odpowiedniej dla geometrii konwejera. To istotny przyrost możliwości w stosunku do typowego setupu NIR-HSI, który dla tych samych materiałów w wariancie czarnym zawiódłby kompletnie. Ograniczenia obecnej demonstracji to koszt i serwisowalność lasera DUV oraz wymagania bezpieczeństwa optycznego — w realiach produkcyjnej sortowni rozwiązanie pozostaje w fazie demonstratora.

Raman z uczeniem maszynowym w sortowaniu WEEE

Druga linia ostatnich publikacji łączy klasyczny Raman 785 nm i 1064 nm z modelami uczenia maszynowego — Discriminant Analysis (DA) oraz Support Vector Machine (SVM) — dla frakcji WEEE. Cel: rozdzielenie PS, ABS, PC i blend PC/ABS w obecności pigmentów i opóźniaczy palenia. Dłuższa fala (1064 nm) skutecznie redukuje fluorescencję typową dla dodatków uniepalniających i barwników, kosztem nieco niższego przekroju Ramana — kompromis dobrze znany w spektroskopii procesowej.

Ten kompromis 785 vs 1064 nm zna każda decyzja konfiguracyjna analizatora procesowego — szerzej omawiamy go w naszym przeglądzie wyboru długości fali Ramana. W realiach sortowni WEEE wybór 1064 nm typowo wygrywa wszędzie tam, gdzie fluorescencja dominuje nad sygnałem.

Sieci GAN i augmentacja danych — gdy widm referencyjnych jest za mało

Trzecia ważna publikacja 2026 r. (Analyst, RSC) odpowiada na realne ograniczenie wdrożeniowe: dla wielu klas recyklatów liczba dostępnych widm referencyjnych jest mała i nierównomierna. Autorzy proponują wykorzystanie sieci generatywnych (GAN) do augmentacji widm — model uczy się rozkładu prawdziwych spektrów i generuje syntetyczne próbki, które poprawiają stabilność klasyfikatora na klasach mniejszościowych.

To kierunek istotny szczególnie dla zakładów wdrażających klasyfikację „od zera” — gdzie biblioteka spektralna jest budowana z próbek wewnętrznych, a nie z gotowych zbiorów referencyjnych. Z perspektywy inżynierskiej GAN-y nie zastępują dobrego protokołu poboru próbek, ale pozwalają zacząć działać z mniejszą bazą i sukcesywnie ją rozszerzać.

Hyperspektralne obrazowanie MWIR jako uzupełnienie

Poza ścieżką Ramana rozwija się drugi trakt — MWIR-HSI (3–5 µm). Tutaj problemu absorpcji sadzy nie ma, bo w średniej podczerwieni transmisja i odbicie zależą od drgań rdzenia łańcucha polimerowego, a nie od barwy zewnętrznej. Niezależne wdrożenia z 2025–2026 r. raportują czystość rozdziału czarnego ABS na poziomie zbliżonym do 99% przy odpowiedniej geometrii kamery. Ograniczenia to koszt detektora MWIR (typowo InSb chłodzony kriogenicznie lub MCT) oraz potrzeba kalibracji termicznej.

W praktyce dojrzałe sortownie 2026 r. coraz częściej budują architekturę wielokanałową: NIR-HSI jako pierwsza linia, MWIR-HSI lub Raman jako drugi pas decyzyjny dla frakcji, której NIR nie sklasyfikował z wystarczającą pewnością. To samo myślenie znamy z analityki procesowej w chemii: nowoczesne detektory i wielokanałowe architektury pomiarowe pozwalają osiągnąć kompromis między kosztem, prędkością i selektywnością, którego pojedyncza technika nie osiągnie.

Spectrally X1 — możliwości adaptacji do recyklingu polimerów

Najwięcej wdrożeń mamy w chemii procesowej — żywicach fenolowo-formaldehydowych i mocznikowych, kosmetykach, nawozach, klejach i węglowodorach. W recyklingu polimerów wchodzimy projektowo: na próbkach klienta sprawdzamy w cyklu feasibility, czy konfiguracja Ramana jest właściwą metodą dla danego strumienia i analitów, zanim klient zaangażuje CAPEX. Co konkretnie oferujemy do adaptacji w tej ścieżce?

• Spectrally X1 LAB — analizator stacjonarny do prac kalibracyjnych i budowy bibliotek spektralnych z próbek pobranych z linii. Z karuzelą do 25 fiolek i analizą through-package przyspiesza fazę feasibility i walidacji modeli chemometrycznych przed wdrożeniem inline.
• Spectrally X1 PORTABLE — przenośny analizator do mobilnej weryfikacji frakcji wyjściowych z sortowni, audytu IQC u dostawców regranulatu i pomiarów referencyjnych w terenie. SNR 547 i tryb standalone z touchscreenem umożliwiają decyzję PASS/FAIL bez podłączania PC.
• Spectrally X1 INLINE — w wybranych aplikacjach kontrolnych za sortownią (np. monitoring jakości regranulatu na wylocie ekstrudera) sonda imersyjna i komunikacja przez PROFIBUS/PROFINET pozwalają zintegrować pomiar z systemem nadrzędnym.
• Spectrally OS — wspólna warstwa software dla całej rodziny X1, z bazą ~28 000 widm i modelami CNN/PLS/PCA. Dla recyklingu szczególnie istotny jest monitoring dryfu modelu, bo skład strumienia zmienia się sezonowo.

Co Spectrally X1 nie jest: nie jest sortownikiem hyperspektralnym z kamerą NIR ani DUV. Jest analizatorem Ramana punktowym, projektowanym pod analitykę chemiczną — i to jego rola w architekturze recyklingu. Hyperspektralne kamery na taśmie sortowniczej to oddzielna kategoria sprzętu od niezależnych dostawców; my wchodzimy tam, gdzie potrzeba selektywności chemicznej Ramana (specjacja kopolimerów, kontrola dodatków, weryfikacja partii regranulatu).

FAQ — najczęstsze pytania

Czy Raman zastąpi NIR-HSI w sortowni?

Nie. NIR-HSI pozostaje techniką pierwszego wyboru dla typowych frakcji opakowaniowych (PET, HDPE, LDPE, PP) — jest szybki, tani per pomiar i obrazowy. Raman wchodzi tam, gdzie NIR zawodzi: czarne tworzywa, frakcje WEEE, specjacja kopolimerów, weryfikacja regranulatu pod kątem dodatków. Architektura sortowni 2026 r. coraz częściej łączy obie techniki w kaskadzie.

Czy 785 nm wystarczy do recyklingu, czy potrzeba 1064 nm?

Dla czystych polimerów technicznych 785 nm zwykle wystarcza. Dla tworzyw z barwnikami i opóźniaczami palenia (WEEE, twardy materiał czarny) 1064 nm istotnie redukuje fluorescencję i poprawia jakość klasyfikatora — kosztem niższego przekroju Ramana. Decyzja zapada na próbkach.

Ile widm referencyjnych potrzeba do startu klasyfikatora?

Zależy od liczby klas i ich podobieństwa spektralnego. Dla 4–6 klas opakowaniowych typowo wystarcza kilkaset widm per klasa z dobrym wariantem geometrii i wpływu otoczenia. Dla WEEE z blendami i barwnikami liczba ta rośnie wielokrotnie — i tu pomocne są techniki augmentacji (GAN-y, perturbacje, jittering widm).

Czy Gekko Photonics ma wdrożenia w recyklingu polimerów?

Najwięcej wdrożeń mamy w chemii procesowej — żywicach, kosmetykach, nawozach, klejach i węglowodorach. W recyklingu polimerów wchodzimy projektowo: zaczynamy od feasibility na próbkach klienta, sprawdzamy czy Raman jest właściwą metodą dla danego analitu i matrycy, dopiero potem proponujemy konfigurację X1 LAB / PORTABLE / INLINE i model w Spectrally OS.

Jak długo trwa typowe feasibility na próbkach recyklatu?

Typowo 2–4 tygodnie od momentu otrzymania reprezentatywnego zestawu próbek (sklasyfikowanych referencyjnie). Wynikiem jest raport z oceną separowalności klas, propozycją długości fali, czasu akwizycji i wstępnym modelem chemometrycznym do dalszej walidacji.

Pomiar testowy i konsultacja inżynierska

U nas, w Gekko Photonics, zaczynamy od rozmowy z inżynierem aplikacyjnym — 30-minutowe spotkanie, na którym omawiamy typowy skład Waszego strumienia, klasy materiałowe, których chcecie rozróżniać, i wymagania KPI dla sortowni lub kontroli regranulatu. Wykonujemy pomiar testowy na Waszych próbkach typowo w 2 tygodnie od ich otrzymania. Zapraszamy do kontaktu — odpowiemy konkretami z numerem testowym i orientacyjnym budżetem, zamiast wymijającą ofertą. Pełną listę naszych analizatorów procesowych znajdziecie w odrębnej sekcji.

Źródła

• Zada L. i in., Black Plastic Identification for Sorting and Recycling With Deep-UV Raman Spectroscopy, Journal of Raman Spectroscopy 2026 (Wiley): analyticalsciencejournals.onlinelibrary.wiley.com
• Raman spectroscopy integrated with machine learning techniques to improve industrial sorting of WEEE plastics, ScienceDirect / J. Environmental Management 2025: sciencedirect.com
• Classification of recycled plastics using sparse and imbalanced spectral data and data augmentation by GAN, Analyst (RSC) 2026: pubs.rsc.org
• New Raman Spectroscopy Breakthrough Boosts E-Waste Plastic Recycling Efficiency, Spectroscopy Online: spectroscopyonline.com