
Hoe AI op termijn de textielafvalberg kan verlagen

Machinefabrikant Valvan uit Menen bouwde een eigen AI-model om gerecycleerde kleding te sorteren. Het bedrijf hoopt zo ook de lage recyclagegraad van textiel te verhogen.
Proficiat als u kleding draagt die geschikt is om te worden gerecycleerd, maar dat is helaas nog geen garantie dat het effectief gebeurt. Volgens Boer Group, een Nederlandse reus in de textielrecyclage, is vandaag al zo’n 37% van alle kledingstukken die op de wereld worden verkocht geschikt voor een kringloopproces. In realiteit wordt slechts 1 procent van alle kledingstukken ook effectief gerecycleerd. Er is een iets hoger downcycling-percentage van 12%, maar het grote merendeel – 87% – wordt gewoon weggegooid. En een deel daarvan komt dus in die reusachtige kledingafvalbergen op Ghanese stranden terecht, waarvan enkele jaren geleden ellendige beelden de wereld rond begonnen te gaan.
Maar gelukkig is er ook een opkomend industrietje van kledingrecyclagebedrijven. Dat draait, zo zegt het Amerikaanse marktonderzoeksbureau Grand View Research, momenteel een samengestelde omzet van zo’n 4,5 miljard euro, met een geprojecteerd totaal van 5,7 miljard euro tegen 2030. Spectaculair is anders, dus. Maar de afgelopen jaren werden er innovaties ontwikkeld die met behulp van kunstmatige intelligente de boel misschien wel kunnen versnellen.
Twee machines, twee AI-modellen
Eén – of eigenlijk twee – daarvan zijn van Belgische makelij. Ze komen, niet echt verwonderlijk, uit West-Vlaanderen, de bakermat van de textielsector in ons land: in Menen ontwikkelde textieltechnologiebedrijf Valvan twee machines die met hulp van AI een veel ‘schoner’ recyclageproces garanderen: Fibersort en Trimclean. Het eerste is een textielsorteermachine die via een ingebouwde AI textiel analyseert en scheidt op basis van vezelsamenstelling en kleur. De technologie maakt gebruik van Near Infrared Spectroscopy (NIRS) om de concentratie van verschillende vezels in stoffen te voorspellen, inclusief mengsels en pure materialen. Ook zit er een RGB-camera in de machine, die textiel op kleur sorteert. Trimclean detecteert vervolgens uit dat gesorteerde textiel alle ritssluitingen, knopen, labels en andere ‘stoorstoffen’, waarna de machine die met perslucht uit het textiel schiet om de zuiverheid van het gerecycleerde materiaal te verhogen.
‘Sorteerprocessen zijn vandaag gefocust op hergebruik, minder op het recycleren van de grondstoffen’
‘Fibersort sorteert nauwer gedefinieerde fracties van textiel, Trimclean is een verregaande opkuisstap om van het gerecycleerde textiel een heel hoogwaardig product te maken’, zegt CTO Maurits Vandeputte. ‘Textiel sorteren is manueel zeer intensief, maar voor de komst van AI was er gewoon geen andere mogelijkheid: er bestond geen sensoroplossing die alles nauwkeurig afdekte. Met Fibersort krijgen we een enorme ‘vingerafdruk’ van het materiaaltype dankzij de infraroodscan, de AI voorspelt vervolgens wat de vezelcompositie van een item is door dat infraroodspectrum af te toetsen aan een grote bibliotheek van vezelcomposities. Via de analyse van camerabeelden sorteert de machine ook op kleur. Het AI-model weet bijvoorbeeld te vertellen of het om een enkelkleurig item gaat, of een dat nog kan worden opgeschoond. Voor Trimclean hebben we een ander AI-model moeten ontwikkelen: een dat objecten detecteert op basis van beeldverwerkingsdata aan hoge snelheid.’
Sprong in nauwkeurigheid
Valvan is een onderdeel van de Valtech Group, een familiale holding gerund door de familie Vandeputte, die ondertussen zestien Belgische bedrijven beheert. De machinebouwer werd in 1968 opgericht als Valvan Metaalconstructie, en begon als fabrikant van droogsystemen voor vlas. Ondertussen richt het zich – na een reeks afsplitsingen en overnames – resoluut op textielsorteermachines en balenpersers. Ook de periode 2015-2018, toen kunstmatige intelligentie stilaan zijn primetimemoment begon te krijgen, betekende een belangrijke stap voor het bedrijf. ‘Door de sterke opkomst van AI hebben we een gigantische sprong in nauwkeurigheid gemaakt”, zegt Vandeputte. “Vroeger werkten al onze sorteerprocessen rule-based, maar vezelsamenstellingen en de aanwezigheid van stoorstoffen zijn dingen die heel moeilijk in regels te gieten vallen. Maar artificiële intelligentie heeft vandaag geen regels meer nodig. En ook de AI-kennis in het land is groot geworden. Al moet die natuurlijk ook worden gematcht met onze eigen kennis om er een machine mee te bouwen.’
Er zijn ondertussen een vijftiental machines in gebruik op de wereld, zegt Vandeputte. Bij de Salvation Army UK, de Britse arm van het evangelische kerkgenootschap Leger des Heils, sorteert een Fibersort-machine ieder uur tot 20 ton gedoneerde kleding. ‘Ons product zit overal nog een beetje in de researchfase, en wordt nog niet op grote schaal toegepast’, zegt Vandeputte. ‘De machine werkt uiteraard, maar het commerciële plaatje staat nog niet op punt. Onze huidige klanten zijn zeer grote bedrijven of organisaties, die het kunnen riskeren om al wat innovatieve toepassingen te implementeren. We zien dat veel kleinere klanten de kat nog een beetje uit de boom kijken, en misschien later nog bereid zullen zijn om mee op de kar te springen. En dan hoop ik dat er uiteindelijk effectief een grote nood zal ontstaan naar dit soort oplossingen.’
Want als die stap gezet is, denkt Vandeputte, kan die recyclagegraad van één schamele procent wat naar omhoog. ‘Mensen dragen meer en meer textiel, en de kwaliteit van wat ze dragen gaat ook naar beneden door de evolutie naar fast fashion: textiel hoeft niet zo lang mee te gaan, we gooien gewoon meer weg. Sorteerprocessen zijn vandaag gefocust op hergebruik, minder op het recycleren van de grondstoffen. Maar net in die wat meer doorgedreven recyclage zien we een belangrijke toekomst weggelegd.’
Fibersort en Trimclean
Welke AI? ‘We ontwikkelden heel veel zelf’, zegt CTO Maurits Vandeputte. ‘We gaan daarbij niet uit van bestaande pakketten, maar wel van modellen die al bestaan. Python, bijvoorbeeld, is een bibliotheek om snel modellen op te bouwen en te trainen. We gebruikten ook het openbron machinelearningplatform TensorFlow. Maar de oplossing hebben we zelf gebouwd.’
Voordeel? Verhogen van efficiëntie en nauwkeurigheid in het proces
Totale investering? Tussen 2 en 4 miljoen euro
Fout opgemerkt of meer nieuws? Meld het hier