La clasificación de textiles postconsumo sigue dependiendo, en gran medida, de la evaluación manual realizada por personal experto. Esta realidad limita la velocidad y el volumen de prendas que pueden procesarse y, además, introduce variabilidad asociada a criterios humanos (fatiga, subjetividad o diferencias de experiencia).

Para responder a este reto, el proyecto europeo CISUTAC trabaja en el desarrollo de una herramienta de apoyo a la clasificación basada en inteligencia artificial, orientada a mejorar el triaje para decidir, con mayor rapidez y coherencia, qué prendas tienen potencial de reutilización o pueden pasar a reparación, y cuáles deben seguir otros circuitos. Texfor participa en CISUTAC como socio del proyecto, contribuyendo a impulsar soluciones que aceleren la circularidad y la sostenibilidad del sector.

Un dataset abierto que refleja la realidad del postconsumo

Uno de los avances más relevantes es la creación de un dataset abierto construido a partir de ropa postconsumo, incorporando la complejidad real derivada del uso (arrugas, deformaciones, combinaciones de materiales, deterioro, etc.). La versión final reúne 31.997 prendas e incluye tres imágenes por prenda (frontal, trasera y etiqueta), junto con más de quince atributos anotados por especialistas: tipo de prenda, talla, color, patrón/estilo, marca, temporada, presencia de varias capas, variables de condición (como manchas, agujeros o desgaste) y otros campos útiles para la operativa, como el grado de uso o un precio orientativo.

Estación de captura y apoyo con NIR

El proyecto también ha diseñado una estación de captura y anotación con cámaras e iluminación, planteada para ser replicable y facilitar la consistencia en la generación de datos. Además, incorpora un escáner NIR(infrarrojo cercano) para apoyar la identificación de composición, teniendo en cuenta que esta tecnología puede presentar limitaciones en determinados escenarios (por ejemplo, con prendas húmedas o multicapa), por lo que resulta especialmente eficaz cuando se combina con otras fuentes de información.

IA aplicada al triaje: un paso adelante, con margen de mejora

A partir del dataset, se han entrenado modelos de IA orientados a predecir atributos relevantes para el triaje (como categoría, color, estilo y precio orientativo). El informe destaca, no obstante, que todavía existe un recorrido de mejora, especialmente en atributos complejos y en la detección de daños pequeños (manchas, agujeros o desperfectos finos), donde la resolución de imagen y el detalle de las anotaciones son determinantes.

En conjunto, CISUTAC pone a disposición del sector dos activos clave: un dataset abierto de referencia que puede acelerar el desarrollo de soluciones y un enfoque tecnológico para avanzar hacia una clasificación de textil postconsumo más escalable, consistente y orientada a retener valor a través de la reutilización y la reparación.

Aquí puedes leer / descargar el estudio completo: