论文标题：Recycling-Oriented Characterization of Space Waste Through Clean Hyperspectral Imaging Technology in a Circular Economy Context

论文链接：https://www.mdpi.com/2571-8797/7/1/26

期刊名：Clean Technologies

期刊主页：https://www.mdpi.com/journal/materials

随着循环经济理念的迅速发展，废物管理成为推动循环模型的关键领域之一，对减少环境影响和保护资源起着至关重要的作用。在这一框架下，对材料的有效识别和分类是优化回收过程、选择合适生产设备的基础。在空间领域，随着轨道碎片数量的增加，空间废物的分类和回收变得尤为关键。全球空间机构越来越重视在空间中回收塑料和其他材料，以减少废物并重新利用原本会被丢弃的材料。然而，由于缺乏全面的立法和指导方针，空间领域在进行操作时无需对不负责任的行为负责，这可能导致空间环境和地球受到威胁。因此，轨道上的空间废物问题可能成为未来空间探索的紧急问题，对未来的空间可及性构成严重风险。

本研究采用高光谱成像 (Hyperspectral Imaging, HIS) 技术对空间废物进行分类，以探索其在循环经济背景下的应用潜力。具体而言，研究聚焦于近红外 (NIR) 光谱范围内的HSI传感器，旨在检测和识别纺织品与塑料材料，为后续的分类提供依据。实验中，研究人员获取了十个不同样本的高光谱图像，这些样本涵盖了空间应用中常见的材料类别，如泡沫、聚合物和技术纺织品。通过在图像中识别感兴趣区域 (Regions Of Interest, ROIs)，并结合相应的聚合物类别，构建了一个训练数据集，进而用于训练识别/分类模型。为了获取高光谱图像，研究团队使用了NIR Spectral CameraTM (Specim, Finland) 和ImSpector N17ETM (SPECIM Ltd., Finland) 成像光谱仪，其工作在1000–1700 nm的近红外光谱范围内。借助一个特别设计的HSI平台 (DV srl, Padova, Italy)，实现了光谱的管理与重新记录。该平台位于罗马智慧大学的原材料工程实验室，配备了温度稳定的InGaAs光电二极管阵列 (320 × 240像素)，具备195 mm的视场、每像素3.3 nm的光谱采样精度以及5 nm的光谱分辨率。实验中，样品被放置在宽26 cm、长160 cm的传送带上，传送带的移动速度可在0 mm/s至50 mm/s之间调节。高光谱成像所需的能量由一个带有五个卤素灯的漫射光圆筒提供，确保了在近红外波长范围内稳定的光谱信号。在数据分析阶段，研究人员运用PLS_Toolbox (Version 9.3, Eigenvector Research, Inc., Wenatchee, WA, USA) 在MatlabTM环境 (version 9.14) 中进行处理。通过多种预处理方法突出光谱差异，并借助主成分分析 (PCA) 和偏最小二乘判别分析 (PLS-DA) 等化学计量学技术，建立了分类模型。采用级联检测方法，先开发一个PLS-DA模型以区分纺织品和塑料，随后进一步识别不同的纺织品和聚合物类别。

图1 数字图像显示了研究中涉及的十个分析样本，以识别塑料和纺织品类别。

图2 与样本验证数据集相关的数字图像。

图3 该图像突出了HSI平台的关键组件，包括近红外光谱相机（Specim, Oulu, Finland），相关的能量源，光学和传输样品的传送带。

研究结果表明，高光谱成像（HSI）技术在空间废物管理中具有显著的应用潜力，能够有效检测、识别和分类各种航空航天材料。这些发现为未来的研究奠定了基础，旨在实施一个全面的材料识别系统，包括添加新的样本类别，用于空间等独特环境中的回收目的。该研究不仅支持了循环经济模型的发展，还促进了可持续发展目标（SDG）的实现，特别是SDG 12关于可持续生产的目标。通过在空间环境中直接回收和再利用材料，不仅可以减少空间碎片，还可以为未来的太空探索和利用提供可持续的解决方案。