Informe especial de TP
Imagine esto: tiene una bolsa de ropa muy usada que ya no puede donar y que solo ocupa espacio en su clóset, así que decide dejarla en su centro de reciclaje local. Pero, ¿qué pasa con esa bolsa de ropa? Podría asumir que la ropa será descompuesta y reutilizada para fabricar nuevos productos.
Sin embargo, según la Agencia de Protección Ambiental de Estados Unidos (EPA), en 2018 aproximadamente el 85% de la ropa y textiles usados terminaron en vertederos o incineradores1 desperdiciando recursos valiosos y contaminando el medio ambiente. Una razón es que reciclar puede ser más costoso que desechar, por lo que las empresas tienen pocos incentivos para reciclar.
Para ayudar a resolver este problema, investigadores del NIST, ubicado en Gaithersburg, Maryland, han desarrollado una base de datos que contiene las “huellas moleculares” de diferentes tipos de fibras textiles. Esto permitirá una clasificación más rápida y eficiente de los tejidos en los centros de reciclaje.
“Estos datos de referencia ayudarán a mejorar los algoritmos de clasificación y a desbloquear el potencial de sistemas de clasificación de alto rendimiento, que requieren menos trabajo manual”, afirmó Amanda Forster, ingeniera en investigación de materiales del NIST. Forster lidera el proyecto del NIST enfocado en mantener los textiles al final de su vida útil dentro de la economía, un proceso conocido como circularidad textil. “Eso debería reducir los costos e incrementar la eficiencia, haciendo que el reciclaje textil sea más viable económicamente”.
En esos centros, los trabajadores clasifican la ropa usando dispositivos portátiles que emiten luz infrarroja cercana (NIR, por sus siglas en inglés). Estos dispositivos miden cuánta luz atraviesa o rebota en el tejido, produciendo un patrón único — una especie de huella digital que permite identificar el tipo de fibra en la prenda. Esta técnica, conocida como espectroscopía de infrarrojo cercano, también puede ser utilizada en sistemas automatizados con bandas transportadoras. Sin embargo, las técnicas actuales aún requieren mucha labor manual.
En los últimos años, los fabricantes de equipos de reciclaje han comenzado a usar inteligencia artificial y aprendizaje automático para mejorar sus algoritmos de clasificación. Para entrenar estos algoritmos, se necesita información de referencia de alta calidad.
Ahí es donde entra la base de datos del NIST. Llamada NIR-SORT (Espectros de Infrarrojo Cercano de Textiles de Origen Definido y del Mundo Real), contiene 64 tipos diferentes de tejidos junto con sus huellas de NIR. La base incluye fibras puras, como algodón y poliéster; mezclas de fibras, como las combinaciones con spandex; y telas reales obtenidas de tiendas de segunda mano. Los fabricantes de escáneres NIR pueden usar esta base para entrenar y probar sus algoritmos de clasificación y así mejorar el rendimiento de sus productos.
Como el NIST es el instituto nacional de metrología de EE. UU., tiene el equipo y la experiencia para llenar esta base con espectros de altísima calidad. Esto debería traducirse en menos errores al identificar los tejidos, lo que permitirá reciclar más textiles.
Esta investigación surge de una iniciativa clave de un informe del NIST2 en el que expertos recomendaron desarrollar mejores tecnologías para identificar y clasificar textiles y ropa. Estos esfuerzos hacen parte del Programa de Economía Circular del NIST3, el cual desarrolla ciencia de medición y métodos para apoyar una economía donde los materiales conserven su valor mediante la reutilización, reparación y reciclaje repetidos, dejando la eliminación como último recurso.
Referencias:
- https://www.epa.gov/facts-and-figures-about-materials-waste-and-recycling/textiles-material-specific-data
- https://nvlpubs.nist.gov/nistpubs/SpecialPublications/ NIST.SP.1500-207.pdf
- https://www.nist.gov/circular-economy
Nota del editor: La base de datos es gratuita y está disponible para su descarga en el Repositorio Público de Datos del NIST: https://data.nist.gov/od/id/mds2-3325
Segunda Edición de 2025
