根据MCkinsey公布年度报告指出，单是2018年全球时尚产业所产生的纺织废置物高达9,200万顿，其中有高达85%只能采取焚化处理，与现今讲求的ESG理念背道而驰，而纺织废弃物成为全球环境隐??。国立台湾师范大学光电工程学士学程光电AIoT团队研发「纺织材质智能分选系统」，结合近红外光快速遥测及AI智能学习演算模型，协助旧衣回收业者进行精准材质分类，提供下游化纤厂品质稳定的回收废纺，协助产业建构纺织产业循环经济最後一哩路。

纺织材质智能分选系统结合近红外光快速遥测及AI智能学习演算模型，协助旧衣回收业者进行精准材质分类，目前已完成公信验证，让AI助攻净零排碳。

台师大光电团队执行经济部「纺织材质智能分选系统开发与事业化计画」，开发的智能分选技术完成公信验证，让AI助攻净零排碳。该计划衍生的新创公司沛德永续科技，以【智能分选永续纺织号】导入永续纺织生态链，经由智能辨识可知道即将淘汰的纺织品正确成份与含量，并分选交给不同的永续利用业者，维护再生原料品质得以形成经济规模。此外，团队更整合上下游产业链，建立台湾绿色纺织循环生态系雏形，协助纺织产业达成永续发展、净零排碳的目标，为保护地球尽一份心力。

随着ESG浪潮攀升，永续经济是「用完要送入回收链」与「要求制造商提高使用再生材料的比率」，除了减缓地球资源的透支，因为再生材料比起新生材料更减少制程，而大幅减少碳排。相较於塑胶物品是单一种类材质，纺织品绝大部份是混纺，根本不可能靠人工辨识，正确判断其成份。因此台师大光电学程教授、沛德永续CTO谢振杰率领光电AIoT团队，利用近红外光快速遥测原理，开发【智能分选永续纺织号】，运用近红外NIR光谱原理及演算法来监别材料，具有非破坏、非接触性材质快速检测分类的能力，如同高速公路上的车辆快速通过电子收费系统ETC进行车牌辨识。

该系统也具备AI智能学习演算模型，透过累积的大数据，辨识准确度高达90%以上，废纺/旧衣在输送带上依序被光电智能模组辨识混纺成份，进行定性及定量检测，并依序被下游不同的气阀吹入分选篮，再交给不同再制方法的厂商，每套设备的输入分选效能可高达每年740公吨，解决永续纺织循环的产业痛点，也可使其他物质循环或能量流达到最隹化。目前智能分选的性能已被第三方公信单位验证，也可透过物联网建构云端履历系统，内含所侦测到的废纺材质及纯度，透过即时上传到云端系统，提供客户废弃纺织品的可追溯性及计算碳足迹的依据，落实永续材料管理。