Reciclarea devine mai rentabilă cu ajutorul inteligenței artificiale: perspective din cercetarea NIST

Reciclarea poate fi o cheltuială semnificativă pentru administrațiile locale, dar inteligența artificială ar putea ajuta la reducerea acestor costuri și, eventual, la creșterea ratelor de reciclare. Cercetătorii de la NIST lucrează la o reciclare mai eficientă și mai puțin costisitoare.

Te-ai întrebat vreodată ce se întâmplă cu plasticul tău după ce îl arunci la „coșul de reciclare”?

Această întrebare a apărut des în știri în ultima vreme.

Răspunsul este destul de complex. Depinde de locul în care locuiești și de tipul de plastic pe care l-ai aruncat.

Colectarea materialelor reciclabile reprezintă un cost uriaș pentru administrațiile locale. Acestea trebuie să întrețină facilități pentru procesarea materialelor plastice, precum și camioane și pubele pentru colectarea acestora. De asemenea, trebuie să angajeze oameni pentru a face treaba. Ar fi mult mai ieftin să arunce totul la gropile de gunoi.

Totuși, atunci când administrațiile locale reciclează, pot transforma gunoiul în bani dacă au infrastructura potrivită. Pot compensa unele costuri prin vânzarea materialelor plastice colectate înapoi producătorilor. Majoritatea producătorilor doresc ca materialele plastice reciclate să fie aproape la fel de bune ca noi, ceea ce necesită o sortare atentă pentru a oferi produse consecvente.

Pentru majoritatea oamenilor, toate materialele plastice arată la fel. Dar ochii ageri știu că există șapte tipuri comune de plastic. Le puteți identifica după micile simboluri de reciclare de pe fundul aproape tuturor recipientelor de plastic. Aceste numere ajută la identificarea compoziției chimice a acelor materiale plastice. Poate le-ați observat atunci când ați sortat propriile materiale reciclabile.

Iată o defalcare a unora dintre aceste materiale:

Material	Utilizări comune	Codul de reciclare
Tereftalat de polietilenă	Sticle de suc, sticle de apă	1 – PETE
Polietilenă de înaltă densitate	Canioane de lapte, sticle de detergent	2 – HDPE
Clorură de polivinil	Țevi, perdele de duș	3 – PVC
Polietilenă de densitate mică	Pungi de cumpărături, pungi de sandvișuri	4 – LDPE
Polipropilenă	Recipiente pentru mâncare la pachet, pahare de iaurt	5 – PP
Polistiren	Cești de cafea de unică folosință	6 – PS
Alte	Ochelari de protecție, DVD-uri, multe sticle de apă reutilizabile	7 – Altele

Sortarea acestor materiale plastice este crucială. Diferite tipuri de plastic cu caracteristici similare adesea nu pot fi amestecate deoarece necesită procese de topire diferite.

Luați PVC-ul, de exemplu. Este folosit în orice, de la țevi la perdele de duș. PVC-ul topit produce un acid puternic util în multe aplicații industriale. Dar, la fel ca mulți alți acizi, nu este ceva ce vrei să faci pe neașteptate.

Poliolefinele, un grup de materiale plastice care include HDPE (folosit în bidoanele de lapte), LDPE (folosit în pungile de plastic) și PP (folosit în recipientele pentru mâncare la pachet), oferă un exemplu mai blând. Aceste materiale plastice reprezintă aproximativ 40% din producția mondială de plastic. De asemenea, sunt printre cele mai greu de sortat.

Tipul de plastic folosit în bidoanele de lapte necesită temperaturi ridicate pentru a se topi și a se reprocesa datorită structurii sale cristaline. Cu toate acestea, dacă contaminanții din pungile de plastic se amestecă, pungile respective se degradează la aceste temperaturi ridicate. Așadar, dacă o pungă de plastic se amestecă cu bidoanele de lapte, ar putea rezulta într-un lot de bidoane de lapte de culoare diferită și inutilizabile. Acest risc de procesare este unul dintre motivele pentru care nu vedeți multe bidoane de lapte fabricate din plastic reciclat.

În plus, dacă unele materiale stabile la temperaturi ridicate din recipientele de mâncare la pachet ajung pe o linie de procesare a pungilor de plastic, este posibil să observați blocaje ale mașinilor.

Angajații de la Centrul de Reciclare din comitatul Montgomery sortează materialele pentru reciclare.

În teorie, poți sorta cu ușurință deșeurile de plastic folosind micile simboluri de reciclare. Apoi, poți vinde aceste materiale plastice sortate unor reciclatori secundari, care le transformă în produse.

Prețul depinde de puritatea presupusă a plasticului. Un pachet mare de sticle portocalii de detergent s-ar putea vinde la un preț ridicat, deoarece sunt ușor de distins. Cu toate acestea, o grămadă de recipiente pentru mâncare la pachet s-ar putea amesteca ușor cu diverse culori sau aditivi.

La centrul local de reciclare din comitatul Montgomery, Maryland, oamenii sortează manual sticlele de detergent, recipientele de alimente și multe altele. Cu toate acestea, mâinile și ochii se mișcă doar într-o anumită măsură și este ușor să greșești la această viteză. Așadar, centrele de reciclare se concentrează pe sortarea materialelor plastice de mare valoare sau ușor de identificat pentru a menține consecvența atunci când vând către reciclatori secundari. Aceasta înseamnă că sticlele de detergent și recipientele de băuturi sunt reciclate la rate mari. „Tacâmurile” din plastic și jucăriile vechi ale copiilor s-ar putea să nu fie la fel.

Pentru a facilita sortarea, activitatea noastră de la NIST s-a concentrat pe utilizarea luminii în infraroșu apropiat (NIR), o tehnologie care poate identifica rapid diferite materiale plastice. Unele instalații de reciclare de top folosesc deja lumini sau camere pentru a „vedea” și sorta sticlele de suc din țevile din PVC.

Dar aceste sisteme nu pot sorta totul. Cercetarea mea se concentrează pe crearea unei metode care să ajute la sortarea celor mai dificile materiale plastice, astfel încât reciclatorii să poată obține profit.

Cum facem reciclarea mai eficientă

Având în vedere acest lucru, echipa noastră a analizat această metodă NIR și a decis să o îmbunătățească cu algoritmi de învățare automată și alte tehnici științifice.

În spectroscopia în infraroșu, se proiectează diferite lungimi de undă asupra unor molecule. Aceste molecule absorb o parte din energia luminii la anumite lungimi de undă și reflectă sau transmit restul.

O modalitate de a privi acest lucru este prin intermediul florilor și culorilor. De exemplu, atunci când un trandafir roșu este atins de mai multe lungimi de undă ale luminii soarelui, acesta absoarbe foarte bine fiecare lungime de undă/culoare, cu excepția roșului. Lumina roșie se reflectă pe petale, motiv pentru care trandafirul ne apare roșu.

Dacă știm culoarea și intensitatea luminii pe care o proiectăm asupra unei flori sau a unei sticle de plastic și culoarea/intensitatea pe care o obținem, putem folosi diferențele pentru a identifica mai multe dintre aceste flori sau sticle, ca o amprentă.

Folosind învățarea automată, putem găsi amprentele digitale NIR ale multor materiale plastice. Apoi „antrenăm” computerele să identifice materialele plastice pe baza noilor semnale NIR, comparativ cu semnalele NIR ale altor materiale plastice. Această instruire ajută tehnologia să recunoască materialele din sticlele de suc, să înțeleagă cum diferă acestea de recipientele cu mâncare la pachet și să le separe în consecință.

În prima noastră lucrare, am folosit învățarea automată pentru a conecta semnalele noastre legate de plastic la anumite proprietăți (cum ar fi densitatea și cristalinitatea polietilenei). De obicei, densitatea se măsoară prin cântărirea plasticului în diferite lichide și compararea diferențelor. Este un proces foarte lent și anevoios.

Totuși, am arătat că puteți găsi aproape aceleași informații folosind lumina reflectată - mult mai rapid. Pe o linie de reciclare, timpul este crucial.

Puteți aplica această metodă atât la mostre mari, cât și la mostre mici. Acest lucru este interesant, deoarece arată că, dacă configurăm lucrurile cu atenție, putem obține mai multe informații din aceste măsurători bazate pe lumină.

Aceasta este încă o lucrare preliminară și nu se aplică încă tuturor tipurilor de materiale plastice. Așadar, nu putem pur și simplu să scoatem la iveală orice plastic și să-i cunoaștem proprietățile exacte, dar este un început interesant. Dacă putem extinde producția la scară largă, am putea economisi mult timp și efort reciclatorilor și producătorilor în etapele de control al calității.

De la publicarea acestei lucrări, am studiat în profunzime cum să gestionez toate datele obținute din aceste măsurători. Se obțin date foarte diferite în funcție de forma plasticului și de natura probei, fie că este vorba de o peletă, o pulbere sau o sticlă.

Asta pentru că lumina se reflectă în continuare, dar se reflectă în direcții diferite în funcție de forma plasticului. Imaginați-vă reflexiile pe un iaz limpede versus un iaz cu multe ondulații. Apoi, puteți adăuga pigmenți și conservanți care ar putea schimba semnificativ semnalul. Acest lucru nu face ca datele să fie greșite, dar poate afecta sortarea. Vă puteți gândi la asta ca la o clasificare a fotografiilor cu oameni alb-negru versus aceleași oameni alb-negru, color, benzi desenate și picturi.

Pentru a rezolva această problemă, echipa și-a extins setul de date, iar eu caut soluții matematice pentru a pune pulberile, peletele și materialele plastice colorate pe același teren de joc. Dacă putem face acest lucru, identificarea fiecărui plastic este care folosind învățarea automată devine mai ușoară.

Pentru a face această cercetare mai utilă pe scară largă, lucrez pentru a demonstra că putem sorta acele poliolefine dificile. Folosind metoda mea actuală, am atins o precizie de 95% până la 98% în sortarea acestor materiale plastice. Facem acest lucru cu procese pe care aproape orice instalație de reciclare echipată cu NIR le poate începe rapid să le utilizeze.

Multe instalații de reciclare ar putea folosi deja algoritmi similari, dar această lucrare oferă un nivel suplimentar de rafinare, concentrându-se în special pe poliolefinele dificil de sortat.

Dacă putem sorta eficient aceste deșeuri, le putem reutiliza cu mai puține probleme de procesare, făcând reciclarea mai profitabilă. Apoi, sperăm, profiturile pot duce la obiceiuri de reciclare mai bune și putem începe să transformăm economia noastră liniară într-una circulară.

Reciclarea ca un puzzle de rezolvat

Sunt un rezolvitor de probleme, sar de la un puzzle la altul.

Pe lângă cercetarea polimerilor, am lucrat la sisteme de administrare a medicamentelor pentru cancerul ovarian, iar acum utilizez inteligența artificială (IA) și învățarea automată.

Îmi place să fac lucruri bune în timp ce rezolv probleme complexe. Sustenabilitatea și materialele ecologice au fost o temă frumoasă de-a lungul carierei mele de cercetare.

S-ar putea să nu observați inițial legătura dintre cercetarea biomedicală și materialele plastice. Însă sistemele de administrare a medicamentelor pot ajuta la crearea de materiale cu adevărat interesante, cu aplicații dincolo de medicină. Lucrările cu materiale plastice pot, de asemenea, să ne îmbunătățească înțelegerea ADN-ului, proteinelor și colagenului din corpurile noastre.

Acum, odată cu explozia inteligenței artificiale, avem noi instrumente pentru a face cercetarea materialelor mai rapid și mai eficient. Este o perioadă interesantă în domeniul materialelor sustenabile!

Viitorul Triere Cercetare

În prezent, termin un contract pe doi ani la NIST și caut următoarea enigmă de rezolvat.

Totuși, intenționez să rămân în contact cu NIST ca afiliat pentru a ajuta alți cercetători să utilizeze tehnicile mele.

Sper să ajut comunitatea mai largă a reciclării să utilizeze analiza datelor pentru a îmbunătăți reciclarea și a contribui la curățarea planetei noastre.