Una base de datos de fibras textiles permitirá mejorar su reciclaje

Investigadores del NIST, en EE.UU., han recopilado la información molecular de 64 tipos de tejidos, lo que permitirá una clasificación más rápida y eficaz de los residuos textiles en las plantas de reciclaje.

El problema de los residuos textiles ha ido en aumento en los últimos años. Una de las principales razones es la moda rápida, un modelo de negocio que hace que las empresas produzcan grandes volúmenes de ropa barata que se degrada fácilmente y que a menudo se desecha ya que su baja calidad complica su reutilización. Una forma de evitar que estas prendas usadas terminen en vertederos es a través de su reciclaje, para obtener nuevos materiales para la fabricación de nuevos productos textiles. Sin embargo, los nuevos tipos de textiles, las mezclas de tejidos y el etiquetado incompleto o inexacto también plantean retos importantes a la hora de clasificar los tejidos en los centros de reciclado.

Para abordar este problema, investigadores del Instituto Nacional de Normas y Tecnología (NIST) de EE.UU. han creado una base de datos que contiene lo que serían las «huellas digitales» moleculares de distintos tipos de fibras textiles y que puede permitir una clasificación más rápida y eficaz de los tejidos en las plantas de reciclaje.

En estos centros, los trabajadores clasifican la ropa utilizando dispositivos portátiles que emiten luz infrarroja cercana. Estos dispositivos miden la cantidad de luz que atraviesa o se dispersa por el tejido, produciendo un patrón único, una especie de huella digital que puede identificar el tipo de fibras de la ropa. Esta técnica, denominada espectroscopia del infrarrojo cercano (NIR), también puede utilizarse en sistemas automatizados de cintas transportadoras. Sin embargo, las técnicas actuales siguen requiriendo mucho trabajo manual.

La información de referencia recogida en la base de datos desarrollada por el NIST «ayudará a mejorar los algoritmos de clasificación y desbloquearán el potencial de la clasificación de alto rendimiento, que requiere menos trabajo manual», explica Amanda Forster, ingeniera de investigación de materiales del NIST. Forster dirige un proyecto centrado en la circularidad textil, que consiste en mantener los textiles al final de su vida útil en la economía. «Eso debería reducir los costes y aumentar la eficiencia, haciendo que el reciclaje textil sea más viable económicamente».

En los últimos años, los fabricantes de equipos de reciclaje han recurrido cada vez más al aprendizaje automático y la inteligencia artificial para mejorar sus algoritmos de clasificación. Para entrenar estos algoritmos, necesitan datos de referencia de alta calidad.

Ahí es donde entra en juego la base de datos del NIST. Denominada Near-Infrared Spectra of Origin-defined and Real-world Textiles, o NIR-SORT, contiene 64 tipos de tejidos diferentes junto con las huellas NIR que producen. La base de datos incluye tipos de fibras puras, como algodón y poliéster; tipos de fibras mezcladas, como mezclas de elastano, y tejidos del mundo real tomados de tiendas de segunda mano. Los fabricantes de sistemas de escáner NIR pueden utilizar esta base de datos para entrenar y probar sus algoritmos de clasificación y mejorar el rendimiento de sus productos.

«La dificultad surge cuando las fibras son similares, como el algodón o el cáñamo. Eso significa que la señal del infrarrojo cercano es similar. Lo mismo ocurre con una mezcla de algodón y poliéster. ¿Se trata de una fibra nueva o de una mezcla de dos o más fibras?», explica la química investigadora del NIST Katarina Goodge, que dirigió el desarrollo de la base de datos. «La IA puede ayudar a que el proceso de toma de decisiones sea más preciso».

El NIST cuenta con el equipo y la experiencia necesarios para llenar esta base de datos con espectros de muy alta calidad. Es de esperar que esto se traduzca en menos errores a la hora de identificar los tejidos y en un mayor número de textiles reciclados.

Esta investigación parte de una iniciativa clave de un informe del NIST en el que los expertos recomendaban el desarrollo de una tecnología mejor para identificar y clasificar los tejidos y la ropa. Estos esfuerzos forman parte del Programa de Economía Circular del NIST, que desarrolla la ciencia y los métodos de medición para apoyar una economía en la que los materiales están diseñados para conservar su valor a través de la reutilización repetida, la reparación y el reciclaje, con la eliminación como último recurso.