인터넷에서 '섬유가 무엇으로 만들어졌는지 알아내는 방법'을 검색하면 '번 테스트(burn tests)'에 관한 언급을 많이 볼 수 있다. 번 테스트란 작은 직물의 샘플을 직접 불에 태워 섬유가 수축하는지, 녹는지, 타는지를 살펴보고 냄새를 맡아보는 것이다.

하지만 TI DLP NIRscan Nano 평가모듈(EVM)과 사기토(Sagitto) 시스템을 사용하면 간편하고 정확하게 직물이나 섬유의 조성을 분석할 수 있다. 사기토는 초소형 근적외선 센서와 머신러닝 모델을 결합, 높은 수준의 분석 기술을 제공한다.

각각의 직물은 섬유 조성에 따라 각기 고유한 근적외선 지문을 갖는다. 대개의 의류는 다양한 섬유들로 이루어지며 정확한 섬유 조성을 아는 것은 그 의류의 생애가 다할 때까지 매우 중요하다.

그림 1. 다양한 섬유 성분으로 이루어진 직물의 근적외선 흡수 스펙트럼

많은 국가들에서 직물의 섬유 조성을 명확히 표기할 것을 의무화하고 있다. 그런데 어떤 경우에는 이러한 라벨이 잘못 표기되어 있을 수 있다. 예를 들어, 아래 그림에서는 행주 세트가 면 100%라고 표기되어 있다. 하지만 사기토로 테스트해 보니 면 67%와 폴리에스터 33%가 섞여 있는 것으로 나왔다.

그렇다면 섬유 조성은 왜 중요한가? 전세계적으로 매해 800억개의 의류가 생산된다. 이 중에서 75%가 매립되거나 소각될 것으로 추산된다.

소비자들은 이처럼 높은 폐기율로 인한 자원 낭비를 줄일 수 있는 대안을 찾으라고 대형 의류 회사들을 압박하고 있다. 각국 정부당국에서도 순환경제를 장려하고 쓰레기 더미로 직행하는 의류들을 재활용할 수 있는 방안들을 도입하고 있다.

그림 2. 라벨에 표기된 대로 100% 면이 아니라 면 67%와 폴리에스터 33%가 섞인 것으로 나타남

아크릴 및 폴리에스터로 이루어진 의류는 특히 환경에 미치는 부담이 크다. 매번 세탁을 할 때마다 하수 처리 시설로 수십만 개의 미세 섬유 조각을 방출하기 때문이다. 이 중의 40%는 최종적으로 강, 호수 및 바다 등으로 유입된다.

그러므로 섬유에 대해 새로운 화학적 리사이클링 기법을 개발하라는 압력이 높아지고 있다. 예를 들어 이러한 리사이클링 기법을 사용하면 폴리에스터와 면으로 된 의류를 원래의 화학적 성분, 즉 셀룰로오스 섬유질과 폴리에스터 단량체 및 중합체로 환원할 수 있다.

이를 위해서는 먼저 화학적 리사이클링을 하려는 리사이클링 업체가 의류들을 섬유 조성에 따라 정확하게 분류해야 한다.

기존에는 작업자들이 폐기 직물을 직접 눈으로 보고 감으로 분류했다. 각각의 옷을 집어 들어 살펴보고 판단했다. 하지만 사람이 첨단의 화학적 리사이클링 기법에 필요로 하는 정도의 정확도로 섬유 조성을 정확하게 판단한다는 것은 불가능하다.

로봇의 팔에 TI DLP NIRscan Nano를 장착하고 머신러닝을 결합하면 화학적 리사이클링 설비에 필요로 하는 정확한 로봇 분류 시스템을 개발할 수 있다.

사기토는 DLP NIRscan Nano에 클라우드 기반 인공지능(AI) 기술을 결합하면서 자체 데이터 공학자 없이도 다양한 분석 기능을 실행할 수 있다. 머신러닝 모델을 학습시키기 위해 따로 데이터를 수집할 필요도 없다.

사기토 웹사이트에서 등록을 하고 데모 계정을 신청하면 사기토 인공지능 소프트웨어와 DLP NIRscan Nano EVM을 사용해 섬유조성에 관한 데모 모델들을 시험해 볼 수 있다.

글 : 조지 힐(George Hill) / 매니징 디렉터 / 사기토 데이터 사이언스

저작권자 © IT비즈뉴스(ITBizNews) 무단전재 및 재배포 금지