“NIR-SORT” adı verilen ve farklı kumaş türlerinin moleküler ‘parmak izlerini’ içeren NIST Veri Tabanı, tekstil ve giysilerin daha hızlı ve verimli bir şekilde sınıflandırılmasını sağlayacak. Çevre Koruma Ajansı’na (EPA) göre, 2018 yılında kullanılmış giyim ve tekstil ürünlerinin yaklaşık %85’i çöp sahalarına ve atık yakma fırınlarına giderek değerli kaynakları boşa harcarken bir taraftan da çevre kirliliği yarattı. Bunun bir nedeni, geri dönüştürmenin çöp sahasına atmaktan daha pahalı olabilmesi, dolayısıyla şirketlerin geri dönüşüm için çok az teşvikinin bulunması olarak belirtiliyor. Bu sorunun çözümüne yardımcı olmak amacıyla NIST (Ulusal Standartlar ve Teknoloji Enstitüsü) araştırmacıları, NIST Public Data Repository’den indirilebilen ücretsiz bir veri tabanı geliştirdi.
NIST malzeme araştırma mühendisi Amanda Forster, tekstil döngüselliği adı verilen bir süreçle ömrünü tamamlamış tekstil ürünlerini ekonomide tutmaya odaklanan NIST projesinin başında yer alıyor. Bu referans verilerin, sınıflandırma algoritmalarının geliştirilmesine yardımcı olacağını ve daha az el emeği gerektiren yüksek verimli sınıflandırma potansiyelini ortaya çıkaracağını söyleyen Forster, bunun maliyetleri düşürüp verimliliği artırarak tekstil geri dönüşümünü ekonomik olarak daha uygulanabilir hale getireceğini belirtti.
NIST Veri tabanı, 64 farklı kumaş türünü ve bunların ürettiği NIR parmak izlerini içeriyor
Tekstil atıkları sorunu son yıllarda giderek büyüyor. Bunun nedenlerinden biri, şirketlerin büyük miktarlarda ucuz, modaya uygun ve genellikle hızla atılan giysiler üretmesini sağlayan bir iş modeli olan hızlı moda olarak görülüyor. Yeni tekstil türleri, farklı karışımlardan oluşan tekstiller ve eksik ya da yanlış etiketleme de tekstil ürünlerinin geri dönüşüm merkezlerinde ayrıştırılması konusunda önemli zorluklar ortaya çıkarıyor.
Bu merkezlerde çalışanlar, giysileri kızılötesine yakın ışık veren el cihazları kullanarak ayırıyor. Bu cihazlar ışığın ne kadarının kumaşın içinden geçtiğini ya da kumaş üzerinden saçıldığını ölçerek benzersiz bir desen, yani giysideki liflerin türünü belirleyebilen bir tür parmak izi oluşturuyor. Yakın kızılötesi (NIR) spektroskopisi olarak adlandırılan bu teknik, otomatik konveyör bant sistemlerinde de kullanılabiliyor. Ancak mevcut teknikler hala çok fazla el emeği gerektiriyor.
Son yıllarda geri dönüşüm ekipmanı üreticileri, sınıflandırma algoritmalarını geliştirmek için makine öğrenimi ve yapay zekayı giderek daha fazla kullanıyor. Bu algoritmaları eğitmek için yüksek kaliteli referans verilere ihtiyaç duyuyorlar. Bu noktada ise NIST’in veri tabanı önemli bir rol oynuyor.
Kaynağı Belirlenmiş ve Gerçek Dünyaya Ait Tekstillerin Yakın Kızılötesi Spektrumları (Near-Infrared Spectra of Origin-defined and Real-world Textiles) veya NIR-SORT olarak adlandırılan bu veri tabanı, 64 farklı kumaş türünü ve bunların ürettiği NIR parmak izlerini içeriyor. Veritabanı pamuk ve polyester gibi saf elyaf türlerini; spandeks karışımları gibi karışımlı elyaf türlerini ve ikinci el mağazalarından alınan gerçek kumaşları içeriyor. NIR tarayıcı sistemleri üreticileri, sıralama algoritmalarını eğitmek ve test etmek ve ürünlerinin performansını artırmak için bu veri tabanını kullanabiliyor.
“Yapay zeka karar verme sürecini daha doğru hale getirmeye yardımcı olabilir”
Veri tabanının geliştirilmesine öncülük eden NIST araştırma kimyageri Katarina Goodge, “Pamuk veya kenevir gibi lifler benzer olduğunda zorluklar ortaya çıkıyor. Bu da yakın kızılötesi sinyalin benzer olduğu anlamına geliyor. Aynı şey pamuk ve polyester karışımı için de söz konusu. Bu yeni bir elyaf mı yoksa iki ya da daha fazla elyafın karışımı mı?” şeklinde konuştu. Goodge yapay zekanın karar verme sürecini daha doğru hale getirmeye yardımcı olabileceğine dikkat çekti.
