Tornando a reciclagem mais econômica com IA: insights da pesquisa do NIST

A reciclagem pode representar uma despesa significativa para os governos locais, mas a IA pode ajudar a reduzir esses custos e potencialmente aumentar as taxas de reciclagem. Os investigadores do NIST estão a trabalhar para tornar a reciclagem mais eficiente e menos dispendiosa.

Já se perguntou o que acontece com o seu plástico depois de jogá-lo na “lixeira”?

Esta questão tem aparecido muito nos noticiários recentemente.

A resposta é bastante complexa. Depende de onde você mora e do tipo de plástico que você jogou fora.

A coleta de materiais recicláveis representa um custo enorme para os governos locais. Eles precisam manter instalações para processar plásticos, bem como caminhões e lixeiras para coletá-los. Eles também precisam contratar pessoas para fazer o trabalho. Seria muito mais barato simplesmente despejar tudo em aterros sanitários.

No entanto, quando os governos locais reciclam, podem transformar lixo em dinheiro se tiverem a infraestrutura adequada. Eles podem compensar alguns custos vendendo os plásticos coletados de volta aos fabricantes. A maioria dos fabricantes deseja que os plásticos reciclados sejam quase tão bons quanto novos, o que exige uma triagem cuidadosa para fornecer produtos consistentes.

Para a maioria das pessoas, todos os plásticos têm a mesma aparência. Mas olhos atentos sabem que existem sete tipos comuns de plástico. Você pode identificá-los pelos pequenos símbolos de reciclagem no fundo de quase todos os recipientes de plástico. Esses números ajudam a identificar a composição química desses plásticos. Você deve ter notado eles ao separar sua própria reciclagem.

Aqui está uma análise de alguns desses materiais:

Material	Usos comuns	Código de Reciclagem
Tereftalato de polietileno	Garrafas de refrigerante, garrafas de água	1 – PETE
Polietileno de alta densidade	Jarras de leite, garrafas de detergente	2 – PEAD
Cloreto de Polivinila	Tubos, cortinas de chuveiro	3 – PVC
Polietileno de baixa densidade	Sacolas de supermercado, sacolas para sanduíches	4 – PEBD
Polipropileno	Recipientes para viagem, copos de iogurte	5 – PP
Poliestireno	Xícaras de café descartáveis	6 – PS
Outro	Óculos de segurança, DVDs, muitas garrafas de água reutilizáveis	7 – Outros

A classificação desses plásticos é crucial. Diferentes tipos de plástico com características semelhantes muitas vezes não podem ser misturados porque requerem diferentes processos de fusão.

Veja o PVC, por exemplo. É usado em tudo, desde canos até cortinas de chuveiro. O PVC derretido produz um ácido forte, útil em muitas aplicações industriais. Mas, como muitos outros ácidos, não é algo que você queira produzir inesperadamente.

As poliolefinas, um grupo de plásticos que inclui HDPE (usado em jarras de leite), LDPE (usado em sacos plásticos) e PP (usado em recipientes para viagem), fornecem um exemplo mais brando. Esses plásticos constituem cerca de 40% da produção mundial de plástico. Eles também são alguns dos mais difíceis de classificar.

O tipo de plástico utilizado nas jarras de leite requer altas temperaturas para derreter e reprocessar devido à sua estrutura cristalina. No entanto, se os contaminantes dos sacos plásticos se misturarem, esses sacos degradam-se a estas altas temperaturas. Portanto, se um saco plástico for misturado com jarras de leite, isso poderá resultar em um lote de jarras de leite sem cor e inutilizáveis. Esse risco de processamento é um dos motivos pelos quais você não vê muitos jarros de leite feitos de plástico reciclado.

Além disso, se alguns materiais estáveis a altas temperaturas de recipientes para viagem acabarem em uma linha de processamento de sacolas plásticas, você poderá observar entupimentos na máquina.

Os trabalhadores do Centro de Reciclagem do Condado de Montgomery classificam os materiais para reciclagem.

Em teoria, você pode separar facilmente os resíduos plásticos usando os pequenos símbolos de reciclagem. Depois, você pode vender esses plásticos separados para recicladores secundários, que os transformam em produtos.

O preço depende da pureza assumida do plástico. Um grande pacote de frascos de detergente laranja pode ser vendido por um preço alto porque são fáceis de escolher. No entanto, uma pilha de recipientes para viagem pode facilmente se misturar com várias cores ou aditivos.

Na instalação de reciclagem local no condado de Montgomery, Maryland, as pessoas separam manualmente garrafas de detergente, recipientes de alimentos e muito mais. No entanto, mãos e olhos só conseguem se mover com certa rapidez e é fácil cometer erros nessa velocidade. Assim, as instalações de reciclagem concentram-se na classificação de plásticos de alto valor ou fáceis de identificar para manter a consistência na venda a recicladores secundários. Isto significa que as garrafas de detergente e os recipientes de bebidas são reciclados a taxas elevadas. Seus “talheres” de plástico e brinquedos infantis antigos talvez não.

Para ajudar na classificação, nosso trabalho no NIST se concentrou no uso de luz infravermelha próxima (NIR), uma tecnologia que pode identificar rapidamente diferentes plásticos. Algumas das principais instalações de reciclagem já utilizam luzes ou câmaras para “ver” e separar garrafas de refrigerante de tubos de PVC.

Mas esses sistemas não conseguem resolver tudo. Minha pesquisa se concentra na criação de um método para ajudar a separar os plásticos mais desafiadores, para que os recicladores possam lucrar.

Como estamos tornando a reciclagem mais eficiente

Com isso em mente, nossa equipe analisou esse método NIR e decidiu melhorá-lo com algoritmos de aprendizado de máquina e outras técnicas científicas.

Na espectroscopia infravermelha, você ilumina diferentes comprimentos de onda de luz em algumas moléculas. Essas moléculas absorvem parte da energia da luz em comprimentos de onda específicos e refletem ou transmitem o restante.

Uma maneira de pensar sobre isso é com flores e cores. Por exemplo, quando muitos comprimentos de onda de luz do sol brilham sobre uma rosa vermelha, a rosa é muito boa em absorver todos os comprimentos de onda/cor, exceto o vermelho. A luz vermelha reflete nas pétalas, e é por isso que a rosa nos parece vermelha.

Se soubermos a cor e a intensidade da luz que iluminamos uma flor ou garrafa de plástico e a cor/intensidade que recebemos, podemos usar as diferenças para identificar mais dessas flores ou garrafas, como uma impressão digital.

Usando o aprendizado de máquina, podemos encontrar as impressões digitais NIR de muitos materiais plásticos. Em seguida, “treinamos” computadores para identificar plásticos com base em novos sinais NIR em comparação com sinais NIR de outros plásticos. Este treinamento ajuda a tecnologia a reconhecer materiais em garrafas de refrigerante, entender como eles diferem dos recipientes para viagem e separá-los adequadamente.

Em nosso primeiro artigo, usamos aprendizado de máquina para conectar nossos sinais plásticos a certas propriedades (como o quão denso e cristalino é o polietileno). Normalmente, você mede a densidade pesando o plástico em diferentes líquidos e comparando as diferenças. É um processo muito lento e tedioso.

No entanto, mostramos que é possível encontrar quase a mesma informação usando a luz refletida – muito mais rápido. Numa linha de reciclagem, o tempo é crucial.

Você pode aplicar esse método a amostras grandes e pequenas. Isto é interessante porque mostra que se configurarmos as coisas com cuidado, podemos obter mais informações a partir destas medições baseadas na luz.

Este ainda é um trabalho muito preliminar e ainda não se aplica a todos os tipos de plásticos. Portanto, não podemos simplesmente iluminar qualquer plástico e saber suas propriedades exatas, mas é um começo emocionante. Se conseguirmos aumentá-lo, isso poderá poupar muito tempo e esforço aos recicladores e fabricantes nas etapas de controle de qualidade.

Desde a publicação deste trabalho, venho investigando como lidar com todos os dados dessas medições. Você acaba com dados muito diferentes com base no formato do plástico e se a amostra é um pellet, pó ou garrafa.

Isso ocorre porque a luz ainda reflete, mas reflete em direções diferentes dependendo do formato do plástico. Imagine os reflexos em um lago claro versus um lago com muitas ondulações. Depois, você pode adicionar pigmentos e conservantes que podem realmente alterar o sinal. Isso não torna os dados errados, mas pode afetar a classificação. Você pode pensar nisso como uma categorização de fotos de pessoas em preto e branco versus as mesmas pessoas em preto e branco, coloridas, quadrinhos e pinturas.

Para resolver isso, a equipe tem expandido nosso conjunto de dados e estou procurando soluções matemáticas para colocar pós, pellets e plásticos coloridos no mesmo campo de jogo. Se pudermos fazer isso, será mais fácil identificar qual plástico é qual usando o aprendizado de máquina.

Para tornar esta pesquisa mais útil, estou trabalhando para mostrar que podemos classificar essas poliolefinas complicadas. Usando meu método atual, alcançamos uma precisão de 95% a 98% na classificação desses plásticos. Estamos fazendo isso com processos que quase todas as instalações de reciclagem equipadas com NIR podem começar a usar rapidamente.

Muitas instalações de reciclagem podem já estar usando algoritmos semelhantes, mas este trabalho fornece um nível extra de refinamento, concentrando-se especificamente em poliolefinas difíceis de classificar.

Se conseguirmos separá-los de forma eficaz, poderemos reutilizá-los com menos problemas de processamento, tornando a reciclagem mais lucrativa. Então, esperamos que os lucros possam gerar melhores hábitos de reciclagem e possamos começar a transformar a nossa economia linear numa economia circular.

A reciclagem como um quebra-cabeça a ser resolvido

Sou um solucionador de problemas, saltando de um quebra-cabeça para outro.

Além da pesquisa sobre polímeros, trabalhei em sistemas de distribuição de medicamentos para câncer de ovário e agora estou usando inteligência artificial (IA) e aprendizado de máquina.

Adoro fazer o bem enquanto resolvo problemas complexos. Sustentabilidade e materiais biologicamente corretos têm sido um belo tema ao longo de minha carreira de pesquisa.

Talvez você não veja inicialmente a conexão entre a pesquisa biomédica e os plásticos. Mas os sistemas de distribuição de medicamentos podem ajudar a criar materiais realmente interessantes com aplicações além da medicina. O trabalho plástico também pode melhorar nossa compreensão do DNA, das proteínas e do colágeno em nossos corpos.

Agora, com a explosão da IA, temos novas ferramentas para fazer pesquisas de materiais de forma mais rápida e eficiente. É um momento emocionante no campo dos materiais sustentáveis!

O futuro de Ordenação Pesquisar

Atualmente estou terminando um contrato de dois anos no NIST e procurando o próximo quebra-cabeça para resolver.

No entanto, pretendo permanecer conectado ao NIST como afiliado para ajudar outros pesquisadores a usar minhas técnicas.

Espero ajudar a comunidade mais ampla de reciclagem a usar a análise de dados para melhorar a nossa reciclagem e ajudar a limpar o nosso planeta.