Binder+Co 的 AI 系統讓先進金屬回收技術更加普及

為什麼 AI 光學分選正在改變高階金屬回收

文 / Meghan Barton

AI 分選技術可透過分離銅、黃銅、鋅及鋁等不同金屬，將混合有色金屬料流轉化為更純淨、價值更高的回收材料。（圖片由 Binder+Co 提供）

過去，要生產高品質、高價值的金屬回收材料，通常也意味著必須付出更高的成本。下游買家對回收材料的純度與分選精度要求越來越高，而回收業者同時面臨人工成本上升與利潤空間縮小的雙重壓力。

高品質的回收材料確實能帶來更高的銷售價格，但過去若要達到這些品質規格，通常必須依賴高人力成本的人工分選，或是採用昂貴的感測器分選技術。

人工智慧（AI）正開始改變這樣的產業模式。

AI 強化的光學分選技術，並不是要創造一套完全不同的金屬分離方式，而是讓許多現有的分選應用變得更加經濟、更具成本效益。如此一來，回收業者不必投入過去導入先進感測器技術所需的高額設備成本，也能從現有的物料流（material streams）中回收更多價值。

Binder+Co 的 CLARITY AI 分選系統就是這項技術轉變的一個例子。
該系統將傳統光學分選硬體與機器學習（Machine Learning）技術結合，使設備能以不同於傳統顏色辨識式光學分選的方式辨識物料，進而識別出傳統光學分選可能無法辨識或容易忽略的材料。

Binder+Co USA 資深業務經理 Ferdinand Schoen 表示：「我們並不是在提出全新的材料分選方式。」「而是 AI 可以執行目前許多既有的分選工作，並且能夠比傳統分選技術做得更好，或以更低的成本完成。」

AI 如何突破單純的色彩辨識

傳統光學分選機主要透過顏色來辨識材料。雖然這類系統在許多應用上都相當有效，但當材料的外觀不再符合預期時，傳統光學分選系統就可能面臨辨識上的困難。

例如，一塊經過長時間風吹日曬或使用後的銅，其外觀可能呈現棕色、灰色、氧化色，或表面帶有覆層，而不再是典型明亮的銅紅色。人員通常仍能立即辨認出這是銅，但傳統光學分選機往往無法做到這一點。AI 則透過分析更廣泛的視覺資訊，改變了這種情況。

Schoen 表示：「AI 分選機僅搭配一套光學攝影系統，利用神經網路架構（Neural Network Architecture），即時處理並分析完整的影像資訊。基本上，它是在傳統光學分選機的基礎上進行升級，透過智慧化的視覺資料解析，讓設備發揮最大的分選效能。」

該系統不再主要依賴顏色，而是進一步分析物體的形狀、邊緣、表面紋理及其他視覺特徵，從而更全面地判斷每一個通過攝影機下方的物體。

訓練 AI 進行金屬分選

訓練這套系統的過程，類似於訓練一個人學習辨識物料。首先，將某一特定材料具有代表性的樣品提供給系統，讓 AI 根據這些樣品共同具備的視覺特徵，自行建立材料辨識模型。

Schoen 表示：「你必須提供給機器……至少 1,000 個樣品，而且樣品越多越好。」

雖然聽起來這可能是一個相當耗時的過程，但實際上，經過預先分選的物料只需要通過 AI 分選機幾分鐘。之後，軟體會將收集到的資料上傳至 Binder+Co 的伺服器進行分析，並在數小時內建立新的分選程式，或更新既有的分選程式。

目前，Binder+Co 更傾向採用針對個別現場的專屬訓練（site-specific training），而不是完全依賴集中式資料庫。

Schoen 表示，使用客戶自身作業現場的實際物料建立 AI 訓練資料集，通常能產生最可靠的結果。
原因在於，每一條回收物料流都有其自身的特性，不同回收廠、不同來源及不同處理流程所產生的物料，其外觀與組成可能都存在差異。

雖然 Binder+Co 也建立了物料資料庫（material libraries），但實際分選程式仍會依照不同應用需求進行客製化。當操作人員判斷現場的物料條件已經出現重大變化時，系統也會重新進行訓練，以確保分選效果維持在理想狀態。

讓先進 AI 金屬分選技術更加普及

AI 帶來最重要的影響，不只是提升分選精度，更在於讓先進分選技術變得更加容易導入與普及。

多年來，X 射線穿透技術（X-ray Transmission, XRT）與X 射線螢光技術（X-ray Fluorescence, XRF）等先進技術，已經能夠實現越來越精密的金屬分選。
然而，由於設備成本較高，這類技術的導入主要仍集中在規模較大的回收業者。

AI 光學分選則為許多應用提供了另一種選擇。

Schoen 表示，在某些具有相近處理量的分選應用中，AI 系統可以執行與 XRT 或 XRF 系統相同的分選工作，而初期設備投資通常約僅需同等 XRT 或 XRF 系統的三分之一至二分之一。

由於 AI 系統採用光學攝影機，而不是 X 射線技術，因此可以省去 X 射線相關元件，降低備品零件成本，同時也不需要負擔 X 射線安全規範所衍生的額外要求，因此整體營運成本也可能降低。

AI 分選的運轉速度也可以比傳統 XRT／XRF 分選更快，進一步降低營運成本。

例如，在一台2.1 公尺寬的分選機上，Zorba（混合有色金屬破碎料）可以達到每小時超過 20 噸（tph）的處理量。Zorba 是回收業常用的術語，通常指經過破碎、磁選等處理後的混合有色金屬料流，主要包含鋁、銅、鋅、黃銅等金屬。

這讓大型回收業者能夠以較少的設備完成更多工作；對規模較小的企業而言，則能更靈活地快速處理不同產品及執行不同的分選程式。

回收業者不必再讓每一台設備只負責單一特定應用，而是可以隨著生產需求改變，在不同的客製化分選程式之間切換。

以批次處理（Batch Process）方式運作時，一台 AI 分選機在一天之內就可以切換不同的分選應用。如此一來，回收廠只需使用一台設備，就能回收更廣泛、價值更高的材料。

這種較低的設備與營運成本，將改變許多回收業者的投資效益與商業模式。

Schoen 表示：「我認為 AI 真正的優勢，在於你可以導入一套高度多功能的系統，讓它能夠處理多種不同應用，而且相較於過去既有的技術，所需的投資成本低得多。」

對許多中型回收業者而言，這可能是第一次真正有實際可行性的機會，讓他們不再只是生產一般標準的有色金屬產品，而是進一步將回收材料升級為價值更高的產品。

Schoen 表示：「我認為這真的會為許多回收業者打開一扇門，讓他們能夠透過分選技術做得更多，也為他們帶來更多的機會。」


透過攝影機與 AI 影像分析技術，Binder+Co 的 Clarity 系統能夠根據比單純顏色更廣泛的視覺特徵來辨識不同材料。（圖片由 Binder+Co 提供）
AI 分選技術應用於多種回收物料流

這種高度的靈活性，可以延伸應用於廣泛的金屬回收領域。

在 Zorba、Twitch 及 Zurik 等混合有色金屬物料流中，AI 可以將銅、黃銅、鋅、鑄造鋁、鍛造鋁、散熱器及鋁擠型產品等材料分離出來，形成純度更高、品質更好的金屬回收料流。Zorba、Twitch、Zurik 都是回收業常見的物料分類名稱，代表不同組成的混合有色金屬或破碎後回收料流。

其中許多分選工作，其實透過其他既有技術也已經可以實現；但 AI 的導入，使這些分選應用在經濟效益上變得更具吸引力，也讓更廣泛的回收業者有機會採用。

這項技術也開始應用於破碎殘渣（Shredder Residue）及汽車破碎殘渣（Automobile Shredder Residue, ASR）。在完成初步回收流程後，回收業者仍持續尋找其中可以進一步回收的高價值材料，而 AI 分選正好能協助挖掘這些剩餘價值。

絕緣銅線是其中主要的分選目標之一。此外，AI 也可以將這些物料流中目前仍普遍依賴人工挑選的許多工作自動化，進一步降低人工分選的需求。

電子廢料（E-scrap）則是另一個 AI 能夠展現顯著優勢的應用領域。

與組成相對單純、均一的物料流不同，電子廢料通常包含種類非常複雜且多樣的產品、零組件、塑膠、金屬及組裝件。

Schoen 表示，正是這種高度複雜、多樣化的物料組成，反而能凸顯 AI 的優勢。

透過客製化分選程式，AI 可以針對電路板、電動馬達、銅、鋁，以及其他具有可辨識視覺特徵的零組件進行分選。如此可以降低對人工分選的依賴；在某些應用中，也能減少對成本較高的感測器分選技術的需求。

計算 AI 分選的投資報酬率（ROI）

最終而言，AI 分選設備是否具備經濟效益，仍取決於實際應用情境。

例如，從大流量的 Zorba 混合有色金屬料流中回收幾個百分比的銅，與從 ASR 汽車破碎殘渣中回收絕緣銅線，兩者所能產生的投資報酬會有很大的差異。

儘管如此，Schoen 表示，客戶在進行投資評估時，設備的回本週期通常是以「月」而不是「年」來計算。

他分享了一個客戶案例：過去該客戶會直接出售仍含有殘留銅與黃銅的 Zorba，但現在則會在出售之前，先將這些高價值金屬分離出來。

回收出的金屬會分別銷售，而剩餘的鋁料則經過進一步升級處理後，以 Twitch 的形式出售。

因此，最終產生的效益不只是得到更乾淨、更高純度的材料，而是能夠從同一批原料中生產出多種高價值回收產品。

此外，人工成本的節省也能進一步提升設備投資的經濟效益。

將原本需要人工挑選的工作自動化，不僅可以降低營運成本，也能協助回收業者解決長期以來一直存在的問題——難以找到人員從事重複性的人工分選工作。

Schoen 表示，除了立即可見的營運成本節省之外，真正更大的機會在於將高價值金屬分離成更純淨的金屬產品料流。如此一來，回收業者就能生產更高價值的回收產品，並將更多原本可能流失的材料價值留在自己手中。

高階金屬回收的下一個階段

金屬回收的下一個階段，可能不只是回收更多金屬，而是以更智慧的方式，從現有的金屬中回收更多價值。

對 Binder+Co 而言，AI 正逐漸成為現有分選系統的互補技術，同時也是一種較具成本效益的方式，讓更多回收業者能夠導入先進分選技術。

對許多回收業者而言，AI 最大的突破可能不只是「能辨識什麼」，而是「透過 AI，哪些過去在經濟效益上不可行的事情，現在變得可行」。



本文原刊登於 《Recycling Product News》2026 年 7／8 月號。