블로그

 25억 톤 폐기물 위기, ‘웨이스트 테크(Waste Tech)’에서 찾은 답

세계은행은 2018년, 전 세계 도시고형폐기물이 2030년 25억 9,000만 톤에 이를 것으로 내다봤습니다. 그러나 2022년 발생량은 이미 25억 6,000만 톤에 달해, 예상보다 8년 가까이 빠른 속도로 증가하고 있습니다. 올해 발간된 〈What a Waste 3.0〉은 이 추세가 지속될 경우 2050년 폐기물 발생량이 2022년 대비 50% 늘어날 것으로 전망하고 있습니다.

처리 문제 또한 심각합니다. 재활용·퇴비화(21%)와 에너지 회수 소각(20%)을 합쳐도 절반에 미치지 못하며, 전체의 30%는 노천에 방치되거나 아예 수거조차 되지 않고 있습니다. 그동안 수거와 선별을 인력에 크게 의존해 온 폐기물 산업에 AI와 로봇을 접목한 ‘웨이스트 테크(Waste Tech)’가 주목받는 이유입니다.

재활용률을 높이려면 정밀한 선별이 필수적입니다. 딥러닝 기반 AI는 컨베이어 벨트 위 폐기물을 사람의 눈처럼 실시간으로 식별·분류해 인력난이 심한 선별 현장의 부담을 크게 덜어줍니다. 해외 곳곳에서는 이미 AI 선별 로봇을 투입해 폐기물 속에서 재활용 자원을 한층 더 정밀하게 회수하고 있습니다.

봉투째 버려진 생활폐기물에서 자원 골라내기

미국의 AI 선별 기업 AMP는 컨베이어를 지나는 폐기물을 카메라로 촬영한 뒤, 색상과 크기, 형태 등 시각적 특징을 딥러닝으로 분석해 플라스틱·종이·금속 등을 식별합니다. 식별된 물질은 압축 공기 분사 장치나 로봇 팔을 이용해 신속하게 골라냅니다.

AMP는 이 기술을 분리 배출된 재활용품뿐만 아니라 여러 물질이 뒤섞인 혼합 생활폐기물 영역으로 확장했습니다. 버지니아주 포츠머스에서는 2023년 말부터 AMP의 AI 시스템을 가동해 종량제 봉투째 반입된 생활폐기물에서 재활용품과 유기성 물질을 분리해 왔습니다.

2025년 11월에는 버지니아 남동부 8개 지역의 폐기물 처리를 관할하는 광역기관인 남동부공공서비스청(SPSA)과 20년 장기 계약을 체결했습니다. SPSA가 AMP 시설로 공급하는 폐기물의 최소 50%를 매립하지 않는 것이 핵심으로, 이 가운데 30%는 유기성 물질, 20%는 재활용품으로 회수한다는 계획입니다. 2026년 4월에는 포츠머스 시설이 성능 인수시험을 통과하며 연간 처리 용량을 10만 8,000톤까지 확대했으며, 추가 선별 시설은 2027년 말 가동을 목표로 준비 중입니다.

분리된 유기성 물질은 산소가 제한된 조건에서 열분해해 숯 형태의 ‘바이오차(Biochar)’로 전환합니다. 바이오차는 탄소를 장기간 안정적으로 가두는 고정체입니다. 유기물이 매립지에서 부패하며 메탄가스를 발생시키기 전에 선별함으로써 온실가스 발생 원인 자체를 원천 차단하는 방식입니다. AMP는 이렇게 생산된 바이오차를 주로 매립지 일일 복토재로 활용할 계획입니다.

매립 직전, 놓친 재활용품 다시 찾기

스코틀랜드의 폐기물 관리 기업 Cireco는 기존 선별 공정을 거치고 남은 잔재물에서 미처 회수되지 못한 자원을 AI로 다시 골라내고 있습니다. 2022년 9월 던펌린 인근 선별시설에 AI 선별 로봇 3대를 도입했는데, 와전류 선별기와 자석, 광학 선별기를 모두 거친 후에도 잔재물 속에 PET병과 알루미늄 캔이 상당량 섞여 배출되고 있었기 때문입니다. 이 로봇들은 매립지로 향하기 전 마지막 컨베이어 벨트, 즉 기존에 수작업 선별원이 상주하던 위치에 배치되었습니다.

카메라와 AI가 물체의 종류와 위치를 인식하면 로봇 팔이 신속하게 이를 집어 지정된 배출구로 옮깁니다. 도입 초기에는 알루미늄 캔의 비중이 낮아 로봇 2대는 PET병만, 1대는 PET병과 캔을 함께 골라냈으나, 수개월 뒤 캔의 유입량이 급증하자 AI 모델을 재설정해 3대 모두 두 품목을 동시에 회수하도록 조정했습니다. 반입 폐기물의 조성 변화에 맞춰 선별 대상을 유연하게 대응시킨 것입니다.

현장 담당자는 현지 언론과의 인터뷰에서 “로봇 3대가 한 교대 근무 동안 약 3만 개의 재활용품을 선별한다”고 설명했습니다. 작업자의 피로도에 따라 편차가 발생하는 수작업과 달리, 로봇은 일정한 처리 속도와 정확도를 유지한다는 점이 큰 강점입니다. 이에 따라 기존 선별 인력 일부는 다른 핵심 공정으로 재배치되었으며, Cireco는 매립지로 유실되던 재활용품이 줄어든 것은 물론 타 라인의 선별 품질까지 동반 상승하는 효과를 거두었다고 밝혔습니다.

뒤섞인 건설폐기물, 재질별로 나눠 활용

건설 현장에서는 폐기물을 성상별로 완벽히 분리 배출하기 어려워 뒤섞인 채 반입되는 경우가 많습니다. 이렇게 혼합된 목재와 콘크리트, 금속을 다시 분리하는 공정에도 AI 기술이 적용되고 있습니다.

덴마크의 재활용 기업 Solum이 2024년 10월 로스킬레 인근에 준공한 시설이 대표적입니다. 덴마크 최초의 로봇 기반 건설폐기물 선별 시설로, 연간 최대 2만 5,000톤을 처리하며 분당 40회 선별이 가능하도록 설계되었습니다. AI 비전 센서가 폐기물의 종류를 판별하면 로봇 팔이 목재, 플라스틱, 금속, 콘크리트 등을 재질별로 분류합니다. 이를 통해 선별 자원의 이물질 혼입을 최소화하여 순도를 최대 90%까지 끌어올렸습니다.

단순히 원소재 구분만 하는 수준을 넘어섭니다. 개장 시연회에서는 목재 표면에 칠해진 페인트 유무 등 미세한 특징까지 감지해 고품질 재활용이 가능한 목재를 정밀하게 가려내는 기술을 선보였습니다. 이렇게 선별된 폐목재는 가구 제작용 칩보드(파티클보드) 원료로 즉시 재투입됩니다. 단순 분리에 그치지 않고 고부가가치 재생 원료의 품질 기준에 맞춰 선별하는 셈입니다.

선별 효율 실증 시험 결과, 기존 집게 방식 대비 로봇 선별을 적용했을 때 재질별 회수량이 현저히 높았습니다. 폐기물 수집부터 재활용 공정 전반을 고려할 때 환경 측면에서도 폐기물 1톤당 약 150kg의 이산화탄소 감축 효과가 있는 것으로 분석되었습니다.

첨단 자동화 시설, 폐기물 재활용률 70% 넘겨

핀란드의 폐기물 관리 기업 Remeo는 2022년 헬싱키 인근 반타에 기계식 선별 설비와 AI 로봇, 근적외선 센서를 결합한 대형 복합 선별 시설을 구축했습니다. 이곳에서는 연간 건설·철거폐기물 12만 톤과 상업·산업폐기물 6만 톤을 동시에 처리하며, 업계 최초로 두 성상의 폐기물 처리 라인을 단일 시설로 통합했습니다.

건설폐기물은 회전식 원통 스크린(Trommel)을 거치며 입도별로 1차 분류된 뒤 자력 선별기를 통해 철금속이 제거됩니다. 이후 젠로보틱스(ZenRobotics)의 고중량 선별 로봇인 ‘헤비 피커(Heavy Picker)’ 12대가 투입되어 목재, 금속, 석재, 플라스틱 등을 회수합니다. 로봇 팔 1대당 최대 30kg까지 들어 올릴 수 있으며, 12대가 가동될 경우 시간당 최대 2만 4,000회의 픽업이 가능합니다. 사람이 직접 다루기에는 위험하고 무거운 폐기물을 로봇이 안전하게 대체하는 구조이며, 새로운 선별 품목이 발생하면 추가 딥러닝 학습을 통해 즉각 반영할 수 있습니다.

상업·산업폐기물 라인의 포장재 등은 별도 공정을 통해 선별됩니다. 물질마다 고유한 적외선 흡수·반사 스펙트럼을 지닌다는 물리적 특성을 활용해 근적외선(NIR) 광학 센서로 플라스틱 재질을 감별한 후 초고속 압축 공기로 분리합니다.

설비 공급사에 따르면, 이 시설은 가동 초기 몇 달간 재활용률 71.8%를 기록하며 법정 최저 기준(70%)을 조기에 달성했습니다. 로봇 기술뿐만 아니라 다양한 자동화 설비가 유기적으로 연계되어 달성한 종합적 성과입니다. 고순도로 회수된 종이와 금속, 플라스틱 등은 핀란드를 비롯한 유럽 각국 산업계에 양질의 순환 재생원료로 공급되고 있습니다.

난이도 높은 폐배터리 감별까지 AI가 수행 

폐배터리는 성상 분류 단계부터 난도가 높습니다. 알카라인, 리튬, 니켈수소 등 계열에 따라 함유된 화학 물질과 최적 재활용 공정이 완전히 다른데, 사용 중 라벨이 훼손되거나 외장이 산화·부식되면 육안으로는 종류를 식별하기 어렵기 때문입니다.

벨기에의 배터리 선별 전문 기업 Sortbat는 AI와 다중 센서를 결합해 이 난제를 해결하고 있습니다. 티넨 시설에서는 벨기에 배터리 수거 전담기관 Bebat 및 해외 파트너사로부터 수거된 휴대용·가정용 폐배터리를 하루 50만 개 이상 선별합니다.

정밀 AI 선별에 앞서 체계적인 전처리 공정을 거칩니다. 작업자가 대형 배터리와 이물질을 사전 제거한 뒤 크기별 체질 작업을 진행하고, 버튼형 전지(코인셀)는 별도 라인으로 분리합니다. 이후 남은 원통형·사각형 배터리는 센서가 개별적으로 스캔할 수 있도록 일렬로 정렬됩니다.

여기에는 Sortbat와 벨기에 국책연구기관 VITO가 공동 개발한 독자 기술이 적용되었습니다. 컬러 카메라와 레이저 센서, 엑스선(X-ray) 촬영을 결합해 배터리의 외형뿐 아니라 내부 전극 구조까지 입체적으로 판독합니다. 이를 통해 외부 표기가 완전히 손상된 배터리도 높은 정확도로 판별할 수 있으며, 식별된 배터리는 에어 제트 시스템을 통해 규격별 수거함으로 정확히 분사·이송됩니다.

다만 화학 조성의 세부 분류는 아직 과제로 남아 있습니다. 현재 리튬 배터리는 일회용과 충전식(2차전지) 단계까지만 구분하고 있으며, 충전식 배터리를 LFP(리튬인산철)나 삼원계(NCM/NCA) 등 세부 양극재 성분별로 자동 분류하는 기능은 차세대 고도화 작업으로 추진 중입니다.

빈틈 메우며 확장하는 웨이스트 테크의 미래

현재 도입되고 있는 AI 로봇 선별 시스템은 기존 기계식 인프라를 완전히 대체하기보다는, 전통 설비가 놓친 한계를 보완하는 방향으로 자리 잡고 있습니다. Cireco는 광학 선별을 거친 잔재물에서 잔여 자원을 건져내고, Remeo는 스크린과 자석을 통과한 중량물을 로봇이 골라내며, Sortbat는 수작업 전처리가 끝난 배터리를 정밀 판독합니다. 폐기물의 조성이 바뀌어도 인공지능 알고리즘 재학습을 통해 선별 대상을 즉각 전환할 수 있고, 위험하고 분진이 많은 고부담 작업을 대신 수행함으로써 작업장 산업안전 수준도 크게 개선되었습니다.

시장 전망 역시 매우 밝습니다. 글로벌 AI 폐기물 관리 시장 규모는 2025년 약 21억 3,000만 달러에서 2035년 약 75억 달러 수준까지 성장할 것으로 관측됩니다. AI 비전과 델타 로봇(고속 병렬 로봇)을 결합한 지능형 자동 선별 시스템 시장 또한 2026년 33억 6,000만 달러에서 2031년 77억 8,000만 달러로 연평균 18.27%의 가파른 성장세를 이어갈 것으로 예측됩니다. 폐기물 배출량은 늘고 고순도 재생원료에 대한 글로벌 수요가 급증하는 만큼, 버려지던 자원의 회수율을 극대화하는 웨이스트 테크의 현장 도입은 더욱 가속화될 전망입니다.

Tipbox. 에스피네이처 철스크랩 AI 로봇 선별시스템

대표적인 순환자원인 철스크랩을 생산하는 에스피네이처도 AI로봇 선별 시스템을 가동 중인데요. 2024년 7월부터 슈레더사업소에서 도입된 이 시스템은 자석 드럼으로 1차 선별한 철스크랩이 컨베이어를 지나면 AI 카메라가 섞여 있는 비철금속과 이물질을 찾아내고, 로봇 4대가 이를 집어냅니다