Направете рециклирането по-рентабилно с AI: Прозрения от NIST Research

Рециклирането може да бъде значителен разход за местните власти, но изкуственият интелект може да помогне за намаляване на тези разходи и потенциално да увеличи нивата на рециклиране. Изследователи от NIST работят върху това да направят рециклирането по-ефективно и по-евтино.

Някога чудили ли сте се какво се случва с вашата пластмаса, след като я хвърлите в „кошчето за рециклиране“?

Този въпрос се появява често в новините напоследък.

Отговорът е доста сложен. Зависи къде живеете и какъв тип пластмаса сте изхвърлили.

Събирането на рециклируеми материали е огромен разход за местните власти. Те трябва да поддържат съоръжения за обработка на пластмаси, както и камиони и контейнери за събирането им. Те също трябва да наемат хора, които да свършат работата. Би било много по-евтино просто да изхвърлите всичко на сметищата.

Въпреки това, когато местните власти рециклират, те могат да превърнат боклука в пари, ако имат правилната инфраструктура. Те могат да компенсират някои разходи, като продадат събраната пластмаса обратно на производителите. Повечето производители искат рециклираната пластмаса да бъде почти толкова добра, колкото новата, което изисква внимателно сортиране, за да се осигурят последователни продукти.

За повечето хора всички пластмаси изглеждат еднакви. Но зоркото око знае, че има седем често срещани вида пластмаса. Можете да ги разпознаете по малките символи за рециклиране на дъното на почти всички пластмасови контейнери. Тези числа помагат да се идентифицира химическият състав на тези пластмаси. Може би сте ги забелязали, когато сортирате собственото си рециклиране.

Ето разбивка на някои от тези материали:

Материал	Общи употреби	Код за рециклиране
Полиетилен терефталат	Бутилки за сода, бутилки за вода	1 – ПИТ
Полиетилен с висока плътност	Кани за мляко, бутилки за перилни препарати	2 – HDPE
Поливинилхлорид	Тръби, душ завеси	3 – PVC
Полиетилен с ниска плътност	Чанти за хранителни стоки, торби за сандвичи	4 – LDPE
Полипропилен	Контейнери за храна за вкъщи, чаши за кисело мляко	5 – ПП
Полистирен	Еднократни чаши за кафе	6 – PS
други	Предпазни очила, DVD дискове, много бутилки за вода за многократна употреба	7 – Други

Сортирането на тези пластмаси е от решаващо значение. Различни видове пластмаси с подобни характеристики често не могат да се смесват, защото изискват различни процеси на топене.

Вземете например PVC. Използва се във всичко - от тръби до завеси за душ. Разтопеният PVC произвежда силна киселина, полезна в много индустриални приложения. Но, подобно на много други киселини, това не е нещо, което искате да направите неочаквано.

Полиолефините, група пластмаси, включително HDPE (използвани в кани за мляко), LDPE (използвани в найлонови торбички) и PP (използвани в контейнери за храна за вкъщи), предоставят по-мек пример. Тези пластмаси съставляват около 40% от световното производство на пластмаса. Те са и едни от най-трудните за сортиране.

Типът пластмаса, използвана в каните за мляко, изисква високи температури за разтопяване и повторна обработка поради кристалната си структура. Ако обаче се смесят замърсители от пластмасови торбички, тези торбички се разграждат при тези високи температури. Така че, ако найлонова торбичка се смеси с кани за мляко, това може да доведе до партида нецветни, неизползваеми кани за мляко. Този риск от обработка е една от причините да не виждате много кани за мляко, направени от рециклирана пластмаса.

Освен това, ако някои устойчиви на висока температура материали от контейнери за храна за вкъщи попаднат на линия за обработка на пластмасови торбички, можете да видите задръствания на машината.

Работниците в центъра за рециклиране на окръг Монтгомъри сортират материали за рециклиране.

На теория можете лесно да сортирате пластмасовите отпадъци, като използвате малките символи за рециклиране. След това можете да продадете тези сортирани пластмаси на вторични рециклиращи предприятия, които ги превръщат в продукти.

Цената зависи от предполагаемата чистота на пластмасата. Голям пакет от портокалови бутилки перилен препарат може да се продаде на висока цена, защото са лесни за избор. Въпреки това, купчина контейнери за храна за вкъщи може лесно да се смеси с различни цветове или добавки.

В местното съоръжение за рециклиране в окръг Монтгомъри, Мериленд, хората сортират ръчно бутилки от препарати, контейнери за храна и др. Ръцете и очите обаче могат да се движат толкова бързо и е лесно да се правят грешки с тази скорост. Така че съоръженията за рециклиране се фокусират върху сортирането на пластмаси с висока стойност или лесни за идентифициране, за да поддържат последователност при продажба на вторични рециклиращи предприятия. Това означава, че бутилките от препарати и контейнерите за напитки се рециклират с високи темпове. Вашите пластмасови „прибори за хранене“ и стари детски играчки може да не са.

За да подпомогнем сортирането, нашата работа в NIST се фокусира върху използването на близка инфрачервена (NIR) светлина, технология, която може бързо да идентифицира различни пластмаси. Някои топ съоръжения за рециклиране вече използват светлини или камери, за да „виждат“ и сортират бутилки от газирана вода от PVC тръби.

Но тези системи не могат да сортират всичко. Моето изследване се фокусира върху създаването на метод, който да помогне за сортирането на най-предизвикателните пластмаси, така че рециклиращите да могат да реализират печалба.

Как правим рециклирането по-ефективно

Имайки това предвид, нашият екип разгледа този NIR метод и реши да го подобри с алгоритми за машинно обучение и други научни техники.

При инфрачервената спектроскопия вие осветявате някои молекули с различна дължина на вълната на светлината. Тези молекули абсорбират част от енергията на светлината при определени дължини на вълната и отразяват или предават останалата част.

Един от начините да мислим за това е с цветя и цветове. Например, когато много дължини на вълната на светлината от слънцето греят върху червена роза, розата е много добра в абсорбирането на всяка дължина на вълната/цвят, с изключение на червеното. Червената светлина се отразява от венчелистчетата, поради което розата ни изглежда червена.

Ако знаем цвета и интензитета на светлината, която осветяваме върху цвете или пластмасова бутилка, и цвета/интензитета, който получаваме обратно, можем да използваме разликите, за да идентифицираме повече от тези цветя или бутилки, като пръстов отпечатък.

Използвайки машинно обучение, можем да намерим NIR пръстови отпечатъци на много пластмасови материали. След това „обучаваме“ компютрите да идентифицират пластмаси въз основа на нови NIR сигнали в сравнение с NIR сигналите на други пластмаси. Това обучение помага на технологията да разпознае материалите в бутилките за сода, да разбере как се различават от контейнерите за вкъщи и да ги раздели по съответния начин.

В първата ни статия използвахме машинно обучение, за да свържем нашите пластмасови сигнали с определени свойства (като колко плътен и кристален е полиетиленът). Обикновено измервате плътността чрез претегляне на пластмаса в различни течности и сравняване на разликите. Това е много бавен и досаден процес.

Ние обаче показахме, че можете да намерите почти същата информация, използвайки отразена светлина – много по-бързо. На линията за рециклиране времето е от решаващо значение.

Можете да приложите този метод към големи и малки проби. Това е готино, защото показва, че ако настроим нещата внимателно, можем да получим повече информация от тези основани на светлина измервания.

Това все още е много предварителна работа и все още не се отнася за всички видове пластмаси. Така че не можем просто да хвърлим светлина върху всяка пластмаса и да знаем точните й свойства, но това е вълнуващо начало. Ако можем да го увеличим, това може да спести на рециклиращите и производителите много време и усилия в стъпките за контрол на качеството.

Откакто публикувах тази работа, се задълбочих как да боравя с всички данни от тези измервания. В крайна сметка получавате много различни данни въз основа на формата на пластмасата и дали пробата е пелета, прах или бутилка.

Това е така, защото светлината все още се отразява, но се отразява в различни посоки в зависимост от формата на пластмасата. Представете си отраженията върху чисто езерце срещу езерце с много вълнички. След това можете да добавите пигменти и консерванти, които наистина могат да променят сигнала. Това не прави данните грешни, но може да повлияе на сортирането. Можете да мислите за това като за категоризиране на снимки на хора в черно и бяло спрямо същите хора в черно и бяло, цвят, комикси и картини.

За да се справи с това, екипът разширява нашия набор от данни и аз разглеждам математически корекции, за да поставя прахове, пелети и цветни пластмаси на едно и също игрално поле. Ако успеем да направим това, идентифицирането коя е пластмасата с помощта на машинно обучение става по-лесно.

За да направя това изследване по-широко полезно, работя, за да покажа, че можем да сортираме тези трудни полиолефини. Използвайки настоящия ми метод, постигнахме точност от 95% до 98% при сортирането на тези пластмаси. Правим това с процеси, които почти всяко съоръжение за рециклиране, оборудвано с NIR, може бързо да започне да използва.

Много съоръжения за рециклиране може вече да използват подобни алгоритми, но тази работа осигурява допълнително ниво на усъвършенстване, като се фокусира конкретно върху трудни за сортиране полиолефини.

Ако можем ефективно да ги сортираме, можем да ги използваме повторно с по-малко проблеми при обработката, което прави рециклирането по-изгодно. Тогава, да се надяваме, печалбите могат да стимулират по-добри навици за рециклиране и можем да започнем да превръщаме нашата линейна икономика в кръгова.

Рециклирането като пъзел за решаване

Аз решавам проблеми, скачам от един пъзел към следващия.

Освен изследване на полимери, работих върху системи за доставяне на лекарства за рак на яйчниците и сега използвам изкуствен интелект (AI) и машинно обучение.

Обичам да правя добро, докато решавам сложни проблеми. Устойчивостта и екологично чистите материали са красива тема през цялата ми изследователска кариера.

Първоначално може да не видите връзката между биомедицинските изследвания и пластмасите. Но системите за доставяне на лекарства могат да помогнат за създаването на наистина страхотни материали с приложения извън медицината. Пластмасовата работа може също така да подобри разбирането ни за ДНК, протеините и колагена в телата ни.

Сега, с експлозията на AI, имаме нови инструменти за по-бързо и по-ефективно изследване на материали. Това е вълнуващо време в областта на устойчивите материали!

Бъдещето на Сортиране Проучване

В момента завършвам двугодишен договор в NIST и търся следващия пъзел за решаване.

Въпреки това планирам да поддържам връзка с NIST като партньор, за да помагам на други изследователи да използват моите техники.

Надявам се да помогна на по-широката рециклираща общност да използва анализ на данни, за да подобри нашето рециклиране и да помогне за почистването на нашата планета.