该软件利用DSC和机器学习技术，可在数秒内量化聚合物含量。该公司还寻求合作伙伴，以助其扩展材料数据库。

Proteus Now 对回收样品的 DSC 曲线进行量化分析。在整个热指纹图谱中评估细微的峰位偏移、重叠及峰面积变化。机器学习模型解析这些转变，将单次 DSC 测量转化为定量的聚合物组成（PP、HDPE、LDPE、LLDPE）

随着复合材料制造商面临不断增加的压力，需要在产品中融入再生材料，他们面临着一个持续的挑战：了解再生料的成分及其含量。为了解决这一问题，NETZSCH Analyzing & Testing（德国塞尔布）近期推出了Proteus Now Quantify，这是一款软件解决方案，它将差示扫描量热法（DSC -differential scanning calorimetry）与机器学习相结合，能够通过一次完全自动化的测量来识别并量化未知成分。

“塑料回收面临的核心挑战之一是材料成分的透明度不足，”NETZSCH聚合物部门经理萨拉·西蒙（Sara Simon）博士表示。“熔融指数或傅里叶变换红外光谱（FTIR-Fourier Transform Infrared Spectroscopy）等快速检测方法虽然有用，但存在局限性——往往定性而非定量，且不具备普适性。它们在处理深色材料、多层薄膜和复杂混合物时表现不佳。其结果是材料被降级使用，产品过度设计，或整批产品被拒收—这不仅浪费了材料和能源，也损害了信誉。”

该软件通过整理DSC数据中的变异性，并解析多种聚合物在相似温度下结晶时产生的重叠峰来工作。该软件经过校准的聚合物共混物训练，能够检测低至1%的污染水平。目前该系统专注于PP、HDPE、LDPE和LLDPE等聚合物，其定量组成结果的均方根误差（RMSE- root mean square error）值通常在3-6%之间。

针对复合材料应用，耐驰（NETZSCH）开发了一套实用的工作流程：用户首先通过热重分析（TGA-Thermogravimetric Analysis）或灼烧法确定填料含量，然后在软件中调整样品重量，以反映有效的聚合物质量。该公司正积极寻求合作伙伴，共享含填料和不含填料的校准混合物，以扩展训练数据集并改进复合材料工作流程。

西蒙指出：“原生聚烯烃不同牌号之间的差异，通常大于回收过程中再加工所引入的变化。通过使用来自不同供应商的、经过充分表征的广泛原生材料来训练模型，我们可以可靠地捕捉到典型再生料的行为。”

使用Proteus Now Quantify（基于开篇图像中的DSC曲线）对校准混合物的目标聚合物浓度与预测浓度进行比较。通过RMSE（%）和偏差（%）评估预测质量。RMSE反映了模型的准确性，受每种聚合物类别训练数据的数量和质量影响。

监管发展正在进一步加速采用。从2030年起，进入欧洲市场的再生料供应商将被要求满足欧盟标准，并需提供其材料的可追溯来源和成分证明。这些法规旨在影响全球市场，实际上使可靠的材料表征成为市场准入的先决条件。

该软件可直接与耐驰（NETZSCH）的DSC仪器集成，并在标准化测试条件下运行—即10毫克样品质量，以及10开尔文/分钟的升温和降温速率——从而确保结果的一致性和可重复性。一旦DSC测量完成，分析过程可在数秒内完成。

Proteus Now Quantify 目前可用于聚烯烃分析，其材料数据库也在持续扩展，将纳入 PA、PET、ABS、HIPS、PC、PUR 等其他工程材料。

------ 完 ------

原文《NETZSCH launches AI-powered polymer qualification tool for recyclate quality control》

杨超凡