Rendre le recyclage plus rentable grâce à l'IA : enseignements tirés d'une recherche du NIST

Le recyclage peut représenter une dépense importante pour les gouvernements locaux, mais l’IA pourrait contribuer à réduire ces coûts et potentiellement augmenter les taux de recyclage. Les chercheurs du NIST travaillent à rendre le recyclage plus efficace et moins coûteux.

Vous êtes-vous déjà demandé ce qui arrive à votre plastique après l’avoir jeté à la « corbeille » ?

Cette question revient beaucoup dans l’actualité ces derniers temps.

La réponse est assez complexe. Cela dépend de l'endroit où vous vivez et du type de plastique que vous avez jeté.

La collecte des matières recyclables représente un coût énorme pour les collectivités locales. Ils doivent entretenir des installations pour traiter les plastiques, ainsi que des camions et des bacs pour les collecter. Ils doivent également embaucher des personnes pour faire le travail. Il serait beaucoup moins coûteux de tout jeter dans les décharges.

Cependant, lorsque les gouvernements locaux recyclent, ils peuvent transformer les déchets en argent liquide s’ils disposent des infrastructures adéquates. Ils peuvent compenser certains coûts en revendant les plastiques collectés aux fabricants. La plupart des fabricants souhaitent que les plastiques recyclés soient presque aussi bons que neufs, ce qui nécessite un tri minutieux pour fournir des produits cohérents.

Pour la plupart des gens, tous les plastiques se ressemblent. Mais les yeux avertis savent qu’il existe sept types courants de plastique. Vous pouvez les identifier grâce aux petits symboles de recyclage au fond de presque tous les contenants en plastique. Ces chiffres aident à identifier la composition chimique de ces plastiques. Vous les avez peut-être remarqués en triant vos propres déchets.

Voici une répartition de certains de ces matériaux :

Matériel	Utilisations courantes	Code de recyclage
Polyéthylène téréphtalate	Bouteilles de soda, bouteilles d'eau	1 – PETIT
Polyéthylène de haute densité	Pots à lait, bouteilles de détergent	2 – PEHD
Chlorure de polyvinyle	Tuyaux, rideaux de douche	3 – PVC
Polyéthylène basse densité	Sacs d'épicerie, sacs à sandwich	4 – PEBD
Polypropylène	Contenants à emporter, pots de yaourt	5 – PP
Polystyrène	Tasses à café jetables	6 – PS
Autre	Lunettes de sécurité, DVD, nombreuses bouteilles d'eau réutilisables	7 – Autre

Le tri de ces plastiques est crucial. Différents types de plastique présentant des caractéristiques similaires ne peuvent souvent pas être mélangés car ils nécessitent des processus de fusion différents.

Prenez le PVC, par exemple. Il est utilisé dans tout, des tuyaux aux rideaux de douche. Le PVC fondu produit un acide fort utile dans de nombreuses applications industrielles. Mais, comme beaucoup d’autres acides, ce n’est pas quelque chose que l’on souhaite fabriquer de manière inattendue.

Les polyoléfines, un groupe de plastiques comprenant le PEHD (utilisé dans les pots à lait), le LDPE (utilisé dans les sacs en plastique) et le PP (utilisé dans les contenants à emporter), fournissent un exemple plus doux. Ces plastiques constituent environ 40% de la production mondiale de plastique. Ils sont également parmi les plus difficiles à trier.

Le type de plastique utilisé dans les pots à lait nécessite des températures élevées pour fondre et retraiter en raison de sa structure cristalline. Cependant, si des contaminants provenant de sacs en plastique s’y mélangent, ces sacs se dégradent à ces températures élevées. Ainsi, si un sac en plastique est mélangé à des pots à lait, cela pourrait donner lieu à un lot de pots à lait décolorés et inutilisables. Ce risque de transformation est l’une des raisons pour lesquelles on ne trouve pas beaucoup de pots à lait fabriqués à partir de plastique recyclé.

De plus, si certains matériaux stables à haute température provenant des conteneurs à emporter finissent sur une chaîne de traitement de sacs en plastique, vous pourriez voir des obstructions de la machine.

Les travailleurs du centre de recyclage du comté de Montgomery trient les matériaux à recycler.

En théorie, vous pouvez facilement trier les déchets plastiques en utilisant les petits symboles de recyclage. Vous pourrez ensuite vendre ces plastiques triés à des recycleurs secondaires, qui les transformeront en produits.

Le prix dépend de la pureté présumée du plastique. Un gros paquet de bouteilles de détergent orange peut se vendre à un prix élevé car elles sont faciles à repérer. Cependant, une pile de contenants à emporter peut facilement être mélangée à diverses couleurs ou additifs.

Dans l'installation de recyclage locale du comté de Montgomery, dans le Maryland, les gens trient manuellement les bouteilles de détergent, les contenants alimentaires et bien plus encore. Cependant, les mains et les yeux ne peuvent bouger qu'à une vitesse limitée, et il est facile de commettre des erreurs à cette vitesse. Ainsi, les installations de recyclage se concentrent sur le tri des plastiques de grande valeur ou faciles à identifier afin de maintenir la cohérence lors de la vente aux recycleurs secondaires. Cela signifie que les bouteilles de détergent et les contenants de boissons sont recyclés à des taux élevés. Ce ne sont peut-être pas le cas de vos « couverts » en plastique et de vos vieux jouets pour enfants.

Pour faciliter le tri, notre travail au NIST s'est concentré sur l'utilisation de la lumière proche infrarouge (NIR), une technologie qui permet d'identifier rapidement différents plastiques. Certaines grandes installations de recyclage utilisent déjà des lumières ou des caméras pour « voir » et trier les bouteilles de soda des tuyaux en PVC.

Mais ces systèmes ne peuvent pas tout trier. Mes recherches portent sur la création d'une méthode permettant de trier les plastiques les plus difficiles afin que les recycleurs puissent réaliser des bénéfices.

Comment nous rendons le recyclage plus efficace

Dans cette optique, notre équipe a examiné cette méthode NIR et a décidé de l’améliorer grâce à des algorithmes d’apprentissage automatique et d’autres techniques scientifiques.

En spectroscopie infrarouge, vous projetez différentes longueurs d’onde de lumière sur certaines molécules. Ces molécules absorbent une partie de l'énergie lumineuse à des longueurs d'onde spécifiques et réfléchissent ou transmettent le reste.

Une façon d’y penser est d’utiliser les fleurs et les couleurs. Par exemple, lorsque de nombreuses longueurs d’onde de la lumière du soleil brillent sur une rose rouge, la rose est très efficace pour absorber toutes les longueurs d’onde/couleurs sauf le rouge. La lumière rouge se reflète sur les pétales, c'est pourquoi la rose nous apparaît rouge.

Si nous connaissons la couleur et l'intensité de la lumière que nous éclairons sur une fleur ou une bouteille en plastique et la couleur/intensité que nous obtenons, nous pouvons utiliser les différences pour identifier davantage de ces fleurs ou bouteilles, comme une empreinte digitale.

Grâce à l’apprentissage automatique, nous pouvons trouver les empreintes digitales NIR de nombreux matériaux plastiques. Nous « entraînons » ensuite les ordinateurs à identifier les plastiques sur la base de nouveaux signaux NIR par rapport aux signaux NIR d'autres plastiques. Cette formation aide la technologie à reconnaître les matériaux contenus dans les bouteilles de soda, à comprendre en quoi ils diffèrent des contenants à emporter et à les séparer en conséquence.

Dans notre premier article, nous avons utilisé l’apprentissage automatique pour relier nos signaux plastiques à certaines propriétés (comme la densité et la cristallinité du polyéthylène). En règle générale, vous mesurez la densité en pesant le plastique dans différents liquides et en comparant les différences. C'est un processus très lent et fastidieux.

Cependant, nous avons montré qu’il est possible de trouver presque les mêmes informations en utilisant la lumière réfléchie, bien plus rapidement. Sur une ligne de recyclage, le temps est crucial.

Vous pouvez appliquer cette méthode à des échantillons grands et petits. C’est cool car cela montre que si nous préparons les choses avec soin, nous pouvons obtenir plus d’informations à partir de ces mesures basées sur la lumière.

Il s’agit encore d’un travail très préliminaire et ne s’applique pas encore à tous les types de plastiques. Nous ne pouvons donc pas simplement faire la lumière sur n’importe quel plastique et connaître ses propriétés exactes, mais c’est un début passionnant. Si nous parvenons à l’étendre, les recycleurs et les fabricants pourraient économiser beaucoup de temps et d’efforts dans les étapes de contrôle qualité.

Depuis la publication de ce travail, j'ai étudié comment gérer toutes les données de ces mesures. Vous obtenez des données très différentes selon la forme du plastique et selon que l'échantillon est une pastille, une poudre ou une bouteille.

En effet, la lumière se reflète toujours, mais elle se reflète dans des directions différentes selon la forme du plastique. Imaginez les reflets sur un étang clair par rapport à un étang avec de nombreuses ondulations. Ensuite, vous pouvez ajouter des pigments et des conservateurs qui pourraient réellement modifier le signal. Cela ne rend pas les données erronées, mais cela peut affecter le tri. Vous pouvez considérer cela comme une catégorisation des photos de personnes en noir et blanc par rapport aux mêmes personnes en noir et blanc, en couleur, en bandes dessinées et en peintures.

Pour résoudre ce problème, l'équipe a élargi notre ensemble de données et j'étudie des solutions mathématiques pour mettre les poudres, les pellets et les plastiques colorés sur le même terrain de jeu. Si nous y parvenons, il deviendra plus facile d’identifier quel plastique est tel grâce à l’apprentissage automatique.

Pour rendre cette recherche plus largement utile, je travaille à montrer que nous pouvons trier ces polyoléfines délicates. Grâce à ma méthode actuelle, nous avons atteint une précision de 95% à 98% pour trier ces plastiques. Nous y parvenons avec des processus que presque toutes les installations de recyclage équipées du NIR peuvent rapidement commencer à utiliser.

De nombreuses installations de recyclage utilisent peut-être déjà des algorithmes similaires, mais ces travaux apportent un niveau de raffinement supplémentaire, en se concentrant spécifiquement sur les polyoléfines difficiles à trier.

Si nous parvenons à les trier efficacement, nous pourrons les réutiliser avec moins de problèmes de traitement, rendant ainsi le recyclage plus rentable. Nous espérons alors que les bénéfices pourront conduire à de meilleures habitudes de recyclage et que nous pourrons commencer à transformer notre économie linéaire en une économie circulaire.

Le recyclage, un casse-tête à résoudre

Je suis un résolveur de problèmes, sautant d'une énigme à l'autre.

Outre la recherche sur les polymères, j'ai travaillé sur des systèmes d'administration de médicaments pour le cancer de l'ovaire, et j'utilise désormais l'intelligence artificielle (IA) et l'apprentissage automatique.

J'aime faire le bien tout en résolvant des problèmes complexes. La durabilité et les matériaux respectueux de l’environnement ont été un thème intéressant tout au long de ma carrière de chercheur.

Au premier abord, vous ne verrez peut-être pas le lien entre la recherche biomédicale et les plastiques. Mais les systèmes d’administration de médicaments peuvent aider à créer des matériaux vraiment intéressants avec des applications au-delà de la médecine. Le travail plastique peut également améliorer notre compréhension de l’ADN, des protéines et du collagène présents dans notre corps.

Aujourd’hui, avec l’explosion de l’IA, nous disposons de nouveaux outils pour effectuer des recherches sur les matériaux plus rapidement et plus efficacement. C'est une période passionnante dans le domaine des matériaux durables !

L'avenir de Tri Recherche

Je termine actuellement un contrat de deux ans au NIST et je cherche le prochain casse-tête à résoudre.

Cependant, j'ai l'intention de rester connecté au NIST en tant qu'affilié pour aider d'autres chercheurs à utiliser mes techniques.

J'espère aider la communauté du recyclage au sens large à utiliser l'analyse des données pour améliorer notre recyclage et contribuer à nettoyer notre planète.