Исследователи из Университетского колледжа Лондона (UCL) опубликовали в журнале Frontiers in Sustainability исследование, в котором использовали машинное обучение для автоматической сортировки различных типов компостируемых и биоразлагаемых пластиков, а также дифференциации их от обычных пластиков.
Точность была очень высока и позволит в будущем использовать этот метод в промышленных предприятиях по переработке и компостированию», заявил автора исследования, профессор Марк Миодовник (Mark Miodownik).
Ученые работали с различными типами пластика размером от 50 мм на 50 мм до 5 мм на 5 мм. Обычные образцы пластика включали полипропилен и ПЭТ, часто используемые для пищевых контейнеров и питьевых бутылок, а также ПЭНП, используемый, среди прочего, для пластиковых пакетов и упаковки. Образцы компостируемого пластика включали PLA и PBAT, используемые для крышек на чашки, чайных пакетиков и оберток для журналов; а также пальмовый лист и сахарный тростник – оба материала, полученные из биомассы, используются для производства упаковки.
Результаты были следующими: модель достигла идеальной точности для всех материалов, когда размеры образцов превышали 10 мм на 10 мм. Однако для материалов, полученных из сахарного тростника или пальмовых листьев, размером 10 мм на 10 мм или меньше, уровень ошибочной классификации составил 20% и 40% соответственно.
Если говорить про куски размером 5 мм на 5 мм, то некоторые материалы были идентифицированы лучше, чем другие. Так, для кусков LDPE и PBAT уровень ошибочной классификации составил 20%; и оба материала, полученные из биомассы, были неправильно идентифицированы со скоростью 60% (сахарный тростник) и 80% (пальмовый лист). При этом модель смогла безошибочно идентифицировать детали из PLA, PP и PET, независимо от размеров образца.
Миодовник отметил, что сейчас большинство компостируемых пластиков рассматриваются как загрязнители при переработке обычных пластиков, что снижает их ценность. Для просеивания компоста и уменьшения присутствия других материалов применяются барабанная сортировка и сортировка по плотности. Однако уровень загрязняющих веществ в текущем процессе просеивания неприемлемо высокий. Преимущества компостируемой упаковки реализуются лишь в том случае, когда она компостируются в промышленных масштабах и не попадает в окружающую среду, а также не загрязняют другие потоки отходов или почву.
Чтобы повысить точность, группа ученых протестировала различные типы обычных, компостируемых и биоразлагаемых пластиков, используя гиперспектральную визуализацию (HSI) для разработки модели классификации.
HSI — это метод визуализации, который обнаруживает невидимые химические признаки различных материалов при их сканировании, создавая попиксельное химическое описание образца. Модели искусственного интеллекта (ИИ) использовались для интерпретации этих описаний и идентификации материала.
Неправильное обращение с пластиком в процессах переработки и промышленного компостирования сейчас частое явление, поэтому необходимы надежные механизмы сортировки. Скорость идентификации пока что слишком мала для реализации в промышленных масштабах. Однако модно улучшать его, поскольку автоматическая сортировка является ключевой технологией, позволяющей сделать компостирование пластика хорошей альтернативой переработке, резюмировал Миодовник.
Ранее эксперт Дмитрий Соломонов рассказал, каким профессиям не грозят сокращения из-за нейросетей.
