在东华大学机械工程学院的实验室里，一群“00后”大学生用科技创新，为我国每年超2000万吨废旧纺织品找到了“重生之路”。由他们研发的“织觉智鉴”智能化分拣系统，通过独创的光谱识别技术，让每一块废旧面料都拥有了独一无二的“光谱身份证”，从而实现高效循环利用。

　　“光谱纹路”识别废纺布料

　　团队队长杨瑞介绍，从行业数据来看，我国每年产生超2000万吨废旧纺织品，但资源化利用率不足20%，大量衣物被填埋或焚烧，既浪费资源又加剧环境负担。但是在废旧纺织品回收行业，人工分拣效率低、误差率高，而自动化技术又难以识别复杂面料成分。即便在欧美国家，虽然回收体系相对成熟，但同样受限于分拣技术瓶颈，混合面料的高效识别仍是全球难题。

　　由他们团队研发出的“织觉智鉴”智能化分拣系统，现如今已建立覆盖357种面料的化学数据库，完成549种面料的2000余组样本验证，并成功申请2项国家发明专利、3项软件著作权，研究成果产出ei论文一篇。“每一块面料都有自己的‘光谱身份证’，我们想做的，是让科技成为资源循环的翻译官。”团队队长杨瑞在项目总结会上表示，团队希望成为该领域的“破局者”。

　　可喜的成果来之不易，是8名“技术控”迎难而上，在实验室里熬过无数个灯火通明的夜晚才换来的。刘宇凡曾在日记本中写下这样一句话：“院士看重的不仅是数据，更是我们这群‘笨小孩’不肯撤退的轴劲儿。”。据他回忆，在技术攻坚阶段，中国工程院院士孙以泽曾到实验室里走访，在查看了动态分拣系统的运行演示，又翻看了厚达半米的实验记录本后，指着屏幕上跳动的光谱曲线感慨“青年一代能在这样‘冷门’的领域沉下心、扎住根，本身就是一种担当。”正是这番话，成了团队坚持下去的精神燃料。

　　“死磕精神”读懂旧衣密码

　　六个月的时间，他们经历了研究陷入瓶颈的痛苦、经费短缺的焦虑、论文被拒的挫败，也曾在技术路线的分歧中激烈争吵，但始终未曾放弃。起初，团队连基础数据库的搭建都举步维艰，不同面料的染色剂、纤维混合比例千变万化，光谱信号犹如雾里看花。为了采集第一手数据，大家跑遍长三角的纺织企业、旧衣回收站，甚至从旧校服上剪下布料做实验；仪器不够灵敏，就手动调整光源角度；算法误判率高，队员张思源索性住进实验室，3个月迭代了40版识别模型。

　　为了模拟真实分拣场景，团队在实验室搭建了一条微型流水线，从光谱扫描、视觉成像到ai决策、气泵分拣，每个环节都需严丝合缝。在颜色识别测试中，模型对复杂印花颜色发生误判的情况时有发生，负责视觉算法的队员孙华楠盯着屏幕苦笑：“它是不是‘学累了’？”这句玩笑却让团队意识到，ai需要更人性化的学习逻辑。于是，他们引入迁移学习技术，让系统模仿人类“举一反三”，最终在复杂印花面料颜色的识别中实现了98.7%的准确率。

　　面料材料识别则是队员张思源从速溶咖啡包装袋汲取来的灵感，“大概是凌晨三点，模型再次测算数据依然是75%，实在是不知道该怎么办。”张思源告诉记者，当时正巧瞥到桌上散落的几包速溶咖啡，包装袋上的二维码让他灵光一现，“为何不将光谱数据处理为独属于面料的‘二维码’？”于是，顺着这个思路，团队开发出“光谱数据图像化预处理算法”，通过将数据图像化，从而实现了样本库数据的识别准确度从75.6%跃升至99.8%，看着新跑出的数据，大家激动又兴奋。

　　这场持续200多天的科研长跑，让这群青年学子收获了专业内和学业外的双重成长，专业内，他们不仅攻克了迁移学习模型优化、光谱数据图像化等技术难关，更在微型流水线调试中摸清了产学研转化的“暗礁与航道”；学业外，旧衣回收站的调研让他们直面产业痛点，来自老师的勉励更坚定了成员的科研信念。“那摞被翻至卷边的实验记录本，每一页的褶皱都是大家踉跄前进的见证。”队长杨瑞说，“我们学会了用技术语言回应社会需求，这比任何奖项都珍贵。”

　　未来，这支“00后”团队将目光投向更立体的技术版图，他们计划构建“光谱+触觉+视觉”的多维感知网，通过红外光谱与高光谱成像技术以及智能传感器的深度耦合，破解混纺面料成分识别的“最后一道盲区”。