Tiempo de lectura: 3 minutos

En 2018, la Unión Europea adoptó nuevas directrices sobre el reciclaje de tejidos y la gestión de residuos. De acuerdo con la nueva normativa, todos los estados miembros deberán reciclar el 100% de sus residuos textiles a partir de 2025. Con la tecnología actual, este ambicioso objetivo solo se puede lograr con unos pocos métodos, entre los que destaca la visión hiperespectral.

Clasificación de fibras mediante imágenes hiperespectrales

Los productos textiles poseen características espectrales individuales que se pueden utilizar para su clasificación. Los tejidos tienen como base tres tipos de fibras: naturales, artificiales y sintéticas. Las fibras naturales proceden de plantas o animales, como la lana, el algodón, la seda y el lino, mientras que las fibras artificiales están fabricadas a partir de materia prima natural (básicamente celulosa). Por su parte, las fibras sintéticas como el poliéster, el nailon y el acetato se fabrican mediante procesos químicos.

Estos materiales difieren en sus estructuras químicas y moleculares, lo que provoca que estas sustancias reaccionen de manera diferente a las ondas electromagnéticas en la forma en que las absorben, las reflejan o las dejan pasar. Estas características pueden emplearse para realizar un análisis espectral de textiles basado en la luz reflejada utilizando sistemas de imágenes hiperespectrales.

Las cámaras con longitudes de onda en el rango del infrarrojo cercano (NIR) en combinación con un espectrógrafo permiten una identificación clara de la composición química del material inspeccionado y, por lo tanto, forman la base para una clasificación automática de textiles. Además, con esta tecnología incluso podemos obtener información cuantitativa sobre las proporciones de fibras sintéticas y naturales en los tejidos mixtos

Imagen de las muestras y datos de predicción. Cada color representa un tipo distinto de fibra

Con la clasificación de textiles sucede el mismo fenómeno que con la de plásticos: los materiales negros absorben la luz en gran medida, lo que hace que sea mucho más difícil distinguir entre los diferentes tipos de tejidos. Este problema se puede resolver usando otras cámaras con longitudes de onda en el rango de infrarrojo medio (MWIR, Mid Wave Infrared), aunque el coste de estas cámaras es más alto.

La solución: SPECIM FX17

La cámara espectral FX17 basada en InGaAs es la solución perfecta para la clasificación de tejidos. Esta cámara funciona en el rango de longitud de onda de 900 a 1700 nm y, excepto algunos materiales negros sintéticos como el poliéster o el nylon, cubre completamente las diferentes firmas espectrales de los tejidos convencionales.

Por sus características técnicas, la cámara FX17 también es muy flexible con respecto a la velocidad de grabación: nos ofrece la opción de seleccionar y evaluar entre 224 bandas de longitud de onda y solo usa aquellas que son especialmente relevantes para la aplicación en cuestión debido a la propiedades materiales del objeto de prueba. El número de longitudes de onda utilizadas tiene una influencia directa en la velocidad de la solución: cuantas menos longitudes de onda se usen, más rápida será la evaluación.

Otra característica de la cámara FX17 es que aumenta la fiabilidad en la detección de diferentes tipos de tejido, ya que ajusta la configuración de la cámara en términos de su «binning» espacial y trabaja con diferentes resoluciones, lo que permite un promedio estadístico de los resultados de medición en la cámara. En el caso concreto de la detección de textiles, a menudo nos encontramos con problemas con los reflejos o las sombras, que pueden ser causados por botones, remaches o suciedad cuando los textiles se transportan y se separan en las cintas transportadoras. Si, en vez de utilizar los resultados de los valores de medición individuales para la clasificación, empleamos el promedio estadístico sobre el área examinada, es mucho más probable que obtengamos los resultados correctos.

INFAIMON es especialista en soluciones de visión artificial y análisis de imagen para la industria desde hace más de 25 años ¿Estás pensando en implementar proyectos con sistemas de visión? Llámanos y hablamos sobre la solución que mejor se adaptaría a tu aplicación.