问任何一位纺织品再生从业者，这个过程中最难的环节是什么，答案几乎如出一辙：弄清楚手里到底是什么料。

从市政回收项目收来的一捆消费后服装，包含涤纶、棉、尼龙、混纺面料、氨纶、羊毛、各种涂层与后整理剂，以及上述一切的组合。在进行任何再生处理之前，这些材料必须按纤维类型完成分拣。分拣出错，后续所有流程都会失败：酶法解聚需要高纯度涤纶原料；纤维类型混杂会降低机械再生的输出品质；化学工艺一旦混入异物便会受到污染。

数十年来，纺织品分拣一直依赖人工完成。训练有素的分拣工凭手感、标签和经验识别纤维类型，准确率尚可，但速度极慢。以典型人工处理速度，分拣很快就成为制约规模化的那道卡口。

规模化难题

在良好条件下，人工分拣每名工人每小时可处理约0.3至0.5吨。按这个速度，要实现10万吨年度分拣产能，需要数百名专职分拣工全年满班运转。经济账根本不成立，而且人工操作固有的误差也限制了一致性。

纺织品再生行业迫切需要自动化。然而，将纤维识别自动化并非普通计算机视觉问题。不同纤维类型的面料外观高度相似，一件白色涤纶T恤和一件白色棉T恤，在摄像头眼中毫无区别。纤维成分的识别必须在分子层面完成，而非视觉层面。

高光谱成像的工作原理

高光谱成像可同时捕捉数百个波长范围的光信号，远超可见光谱。不同聚合物链和纤维结构会在特定波长下吸收或反射光线，形成各自独特的光谱特征。

普通摄像头看到的是颜色，高光谱传感器看到的是分子组成。涤纶、棉、尼龙、羊毛和混纺面料各有其独特的光谱指纹。结合基于数千件服装样本训练的机器学习模型，系统可以实时识别纤维类型、估算混纺比例、检测污染物并据此完成分拣，全程保持工业级吞吐量。

FastSort-Textile：2吨+/小时

弓叶的FastSort-Textile系统部署于衣番复张家港善合升工厂，以每小时2吨以上的速度运行。《时代》杂志将其列为2025年度最佳发明，认可其技术突破及对解决时尚废料问题的潜在影响。

每小时2吨以上，意味着一条分拣线便可处理过去需要配备数十名工人的整个分拣工厂才能完成的体量。准确率不受班次、产量或疲劳影响，始终如一。系统还会输出纤维成分和污染程度的结构化数据，直接输入下游工艺优化。

在衣番复的生态系统中，AI分拣线的价值不止于分拣本身，它是整条链路的智能引擎。分拣后的涤纶流入酶法解聚，该流程对纯度要求极高。分拣后的棉、羊毛和羊绒流入机械再生。尼龙单独识别并导入与巴斯夫合作的尼龙再生通道。无法清洁分拣的混纺残料经机械处理为"爆米花"颗粒和粉末，作为酶法原料；或制成再生纸板。

零废弃。而这一目标的实现，正是因为上游分拣足够精准。

超越效率：分拣即溯源起点

分拣也是材料可追溯性的起点。衣番复使用Aware™示踪技术，在入库时将物理标记嵌入原料，使每批分拣后的材料都携带一个可贯穿解聚、再聚合和纺丝全过程的身份标识。

当面料厂或品牌收到GRS认证再生涤纶长丝时，Aware™数据使其能够验证材料来源：来自哪个回收区域、经过哪个加工批次、入库时的纤维成分是什么。这些文件记录正是欧盟数字产品护照（DPP）要求（2027年起生效）所需要的。

AI分拣线不只是一个吞吐量解决方案，它是一个可追溯、可核查的再生含量声明的起点。

分拣问题解决后，一切将改变

在工业规模上解决纺织品分拣问题，将改变整条再生链的经济逻辑。酶法解聚需要稳定的高纯度涤纶输入；纤维类型一致性的提升能改善机械再生品质；上游污染物控制能提高聚合输出品质。

分拣环节不是众多步骤中的普通一环，它是所有其他环节得以运转的前提条件。在工业规模上、以机器级一致性将其做对，是让消费后纺织品再生具备商业可行性的基础设施投入。

这也正是《时代》将其列为2025年度最重要发明之一的原因：不仅因为它技术上令人印象深刻，更因为它移除了数十年来阻碍纺织品再生发挥潜力的那道关卡。

弓叶FastSort-Textile系统部署于衣番复张家港工厂。衣番复全链条T2T生态系统年处理原料逾10万吨，AI分拣位于每条处理流程的入口端。