WSP觀點 / 從人眼到演算法-資源回收細分選的AI革命

資源回收進入高複雜度時代

台灣長期以來在資源回收表現上名列前茅，已建立相對成熟的回收制度。然而，隨著消費型態快速轉變—包含電商包裝增加、外送餐飲普遍及產品包裝複合化—資源回收物的組成日益複雜、雜質比例提高，對既有處理體系形成實質挑戰。

 

傳統以人力為主的分選模式，不僅面臨勞動力短缺、作業環境不佳等結構性問題，在輸送帶移動中與多樣材質並存的情境下，其分選準確率將難以有效提升。此一瓶頸，使得「回收量高，但可再利用品質不足」成為台灣循環經濟進一步深化的關鍵限制。

 

在此背景下，人工智慧(AI)與自動化分選技術的導入，已不僅是設備升級，而是資源回收體系從『末端處理』邁向『資源精煉』的重要轉捩點。

AI科技如何精準分選資收物

AI在資源回收場域中的應用，並非單一技術，而是一套整合感測、辨識、執行及決策的系統工程，其核心可歸納為以下四個層次：

1. 近紅外線光譜（NIR）之材質感測
   各類塑膠材料（如 PET、PP、PE、PVC）因分子結構不同，對近紅外線的反射光譜亦具備可區辨的特徵。透過近紅外線光譜儀，系統可在毫秒等級內完成材質判定，即使外觀相似（例如 PET 與 PVC 瓶），仍可準確區分。
   此一高速辨識能力，使輸送帶能維持每秒 2–3 公尺的運轉速度而不犧牲準確率，為高處理量資源回收細分類廠的必要基礎。
2. 深度學習模型的形態與狀態辨識
   除材質外，回收物狀態亦直接影響回收價值。透過卷積神經網路（CNN）訓練，可進一步辨識：
   • 物品是否受損或壓扁
   • 是否附帶異材質標籤、瓶蓋或膠膜
   • 特定品項或品牌類型，以利後端流向管理與品質控管
     此類「多維度判讀」大幅降低人工分選易發生的誤判與遺漏。
3. 分選執行系統：速度與精準度的關鍵
   當 AI系統完成判定後，會即時計算目標物在輸送帶上的位置與速度，並將指令傳送至下游執行設備，主要包含：
   • 氣動式分選閥陣列：以高壓空氣瞬間改變物件軌跡，適用於高速、大量分選
   • 機械手臂抓取系統：模擬人手動作，適合處理特定或高價值品項
     其中，氣動分選具備非接觸、高頻率特性，每小時可處理數萬件物品，顯著優於傳統人力作業。

 

 

分選方式	平均分選純度	單位處理量	人力需求	適用規模
人工分選	70–80%	低	高	小型／臨時
AI 光學分選	95%以上	高	低	中大型／長期

 

AI分選的實質貢獻

AI分選技術的導入，其價值不僅體現在效率提升，更具體反映於碳減量與資源循環品質的改善。

1. 減碳效益與焚化量降低
   研究顯示，再生塑料（PCR）相較原生石化塑料，可減少約 60%–80% 的碳排放，惟PCR的要求須於回收原料具備相當之純度。
   透過AI精準分選，回收原料純度可提升至95%以上，顯著提升回收比例。以新北市夏綠地示範基地為例，導入 AI 分選後，殘餘垃圾進入焚化系統的比例約降低20%，直接減輕城市廢棄物處理的碳排放。
2. 能源效率與經濟可行性
   AI分選系統雖具一定能耗，但相較大規模人力分選所需的照明、空調與管理成本，整體能源效率更佳。同時，單一材質高純度回收料在市場上的價格，往往為混合塑料的 3–5 倍，為循環設施的長期營運提供實質經濟支撐。

 

處理能力的質變

AI技術的關鍵價值，不在於「處理更快」，而在於「分得更乾淨」。透過細緻分選，塑膠可被轉化為高品質再生料（PCR），重新應用於包裝、紡織或消費性產品，真正形成材料層級的閉環循環。同時，殘渣率的下降，也間接降低焚化設施負荷與後端污染風險。

 

 

效益面向	導入 AI 前	導入 AI 後
焚化量	高	降低約 20%
回收品質	不穩定	穩定高純度
營運穩定性	仰賴人力	高度自動化
碳排放	較高	顯著降低

案例分析：五股「夏綠地資源循環示範基地」

新北市五股地區，過去曾因垃圾堆置問題而備受關注。隨著「夏綠地資源循環示範基地」於 2022 年正式啟用，該區成功轉型為結合 AI 辨識與自動化設備的現代化資源回收場域。

本基地回收處理設施可分56類以上，每年可處理1.2萬噸資源回收物。此外，可透過多組 AI 光學分選設備可識別紙類、紙容器、塑膠及鐵鋁罐等17類資收物，甚至廢塑膠容器細分為 4–8 類單一材質（如透明瓶、有色瓶、PP、PE 等），以及不同顏色都能精準分辨；而4支手臂同時運作，每分鐘可抓取至少220件。，不僅改善回收品質，也翻轉社會大眾對資收場「髒、亂、臭」的刻板印象，成為全台具示範性的循環經濟實踐案例。

 

 

 

未來挑戰與政策意涵

儘管 AI 分選技術已展現明確成效，全面推廣仍面臨若干挑戰，包括：

• 初期建置成本高，中小型資收場投資門檻較高
• 包裝設計日趨複合化，仍可能干擾辨識準確度
• 有賴政策配合推動「可回收設計」與源頭減量

然而，AI 的導入已清楚顯示，資源回收的真正瓶頸不在民眾參與度，而在後端分選品質。以新北市永續循環基地的經驗，為台灣乃至亞洲城市提供了一條可複製的轉型路徑—以科技補足人力限制，以數據驅動循環經濟深化。

當每一項資源都能被準確引導回應有的循環路徑，「零廢棄」將不再只是願景，而是可逐步實現的系統成果。

參考資料來源

新北市資源循環教育基地參訪簡報-本案實體參訪

新北市政府施政成果網

財訊網-翻轉新北市五股區｜垃圾山變夏綠地，打造永續循環基地

 

 

 

 

 

WSP觀點/點廢成金：SRF 的現在與未來 — 從國際趨勢到台灣實踐之路