Materiaali selville muutamassa sekunnissa
TrinamiXin ratkaisu perustuu lähi-infrapunamittaukseen (NIR). Laite mittaa tekstiilin pintaa sitä rikkomatta ja vertaa mittaussignaalia tunnistusmalliin. Tekstiilisovellus tunnistaa esimerkiksi puuvillaa, polyesteriä, polyamidia, villaa, silkkiä, viskoosia, akryyliä ja elastaania sekä joitakin kahden kuidun sekoitteita. Kokeilussa mittasin vaatteita, kodintekstiilejä, huiveja, lankoja ja muita tekstiilituotteita oman vaatekaapin näytteistä sekä Nextiiliin liittyvästä aineistosta.
Milloin tunnistus onnistui?
Monet yhtä kuitulajia sisältävät villa-, puuvilla-, polyesteri-, viskoosi- ja silkkitekstiilit tunnistuivat odotetusti. Myös polyesterin ja puuvillan sekoitteissa tulokset olivat parhaimmillaan hyvin lähellä pesulapun ilmoittamaa koostumusta. Esimerkiksi takki, jonka ilmoitettu koostumus oli 65 % polyesteriä ja 35 % puuvillaa, sai mittauksessa tuloksen 66/34. Toisissa vastaavissa näytteissä tulokset olivat 62/38 ja 68/32.
Pellava ja silkkivilla-seokset paljastivat rajan
Kaikki materiaalit eivät kuitenkaan tunnistuneet oikein. Erityisesti 100-prosenttiseksi pellavaksi merkityt tekstiilit tunnistuivat puuvillaksi tai puuvilla-viskoosisekoitteeksi. Tämä on tärkeä havainto, mutta ei kuitenkaan laitteen toimintahäiriö: pellavaa ei ole valmistajan nykyisessä tekstiilisovelluksessa lueteltu tunnistettavien kuitujen joukkoon. Tulos muistuttaa siitä, että käyttäjän täytyy tuntea myös tunnistusmallin rajat.
Erityisen haasteellisiksi osoittautuivat proteiinikuituja sisältävät sekoitteet. Pesulapun mukaan 70 % villaa ja 30 % silkkiä sisältävät tuotteet luokittuivat NIR-mittauksissa toistuvasti puuvilla-polyamidisekoitteiksi (50:50). Tulos viittaa siihen, että luokittelumallin kyky erottaa kemialliselta rakenteeltaan osittain samankaltaisia kuituja ja erityisesti niiden sekoitteita on rajallinen. Lisäksi tulokseen voi vaikuttaa se, sisältyykö kyseinen kuituyhdistelmä ja sekoitussuhde laitteen käyttämään luokittelumalliin. Näin ollen NIR-tunnistuksen antamaa sekoitesuhdetta ei tule tulkita suoraan kuitupitoisuuden kvantitatiiviseksi määritykseksi.
Yksi mittaus ei kerro koko vaatteen tarinaa
Monikuituiset tuotteet olivat haastavampia. Laitteen mittaustuloksen ja pesulapun ilmoittaman koostumuksen väliseen eroon voi vaikuttaa esimerkiksi tuotteen rakenne: vaatteessa voi olla vuoria, pinnoitteita tai eri kohdissa eri materiaaleja. Pesulappu kuvaa kokonaiskoostumusta, mutta laite mittaa pientä kohtaa pinnasta. Siksi useampi mittauskohta ja asiantunteva tulkinta ovat tärkeitä.
Entä kun pesulappua ei ole?
Tässä on ehkä laitteen kiinnostavin käyttökohde. Pesulaputtomille näytteille saatiin tunnistuksia esimerkiksi polyesteriksi, puuvillaksi, villaksi ja viskoosiksi. Ilman vertailutietoa tunnistuksen oikeellisuutta ei voida varmistaa, mutta lajittelija saa materiaalista tietoa, jota ei muuten välttämättä olisi lainkaan saatavilla.
Laite täydentää ihmisen tekemää arviointia
Kokeilu osoittaa, ettei mittalaite korvaa pesulappua tai asiantuntijaa. Sen vahvuus voi olla uuden tiedon tuottaminen niiden rinnalle. Tekstiilien kiertotaloudessa aina ei tarvita täydellistä materiaalimääritystä. Jos mittaus auttaa valitsemaan tekstiilille paremman seuraavan käyttötavan tai kierrätysreitin, sillä voi olla merkittävä käytännön arvo. Seuraava kiinnostava kysymys onkin, missä kohdassa todellista lajittelu- ja kierrätysprosessia materiaalintunnistus tuottaa eniten hyötyä.
Lähde
trinamiX. 2026. Textile Identification. Mobile NIR Spectroscopy. Viitattu 25.9.2026. https://trinamiXsensing.com/application/textile-identification/
Korhonen, M. 2026. taulukko_ nextiili_09092026_yhtenäistetty.xlsx. Kirjoittajan Trinamix-mittaukset. Julkaisematon tutkimusaineisto.
Korhonen, M. 2026. taulukko_ oma_vaatekaappi_yhtenäistetty.xlsx. Kirjoittajan Trinamix-mittaukset. Julkaisematon tutkimusaineisto.
Kirjoittaja: Maarit Korhonen, Biotuotetekniikan lehtori (TAMK)
Kommentit