Как сделать переработку более рентабельной с помощью искусственного интеллекта: выводы исследования NIST

Переработка может стать значительными расходами для местных органов власти, но ИИ может помочь сократить эти расходы и потенциально повысить уровень переработки. Исследователи из NIST работают над тем, чтобы сделать переработку отходов более эффективной и менее затратной.

Вы когда-нибудь задумывались, что происходит с вашим пластиком после того, как вы выбросите его в «корзину для мусора»?

В последнее время этот вопрос часто появляется в новостях.

Ответ довольно сложен. Это зависит от того, где вы живете и какой пластик вы выбросили.

Сбор вторсырья — это огромные затраты для местных органов власти. Им необходимо содержать мощности по переработке пластмасс, а также грузовики и контейнеры для их сбора. Им также необходимо нанимать людей для выполнения этой работы. Гораздо дешевле было бы просто выбросить все на свалку.

Однако, когда местные органы власти перерабатывают мусор, они могут превращать мусор в наличные, если у них есть подходящая инфраструктура. Они могут компенсировать некоторые затраты, продавая собранный пластик обратно производителям. Большинство производителей хотят, чтобы переработанный пластик был почти таким же хорошим, как новый, а это требует тщательной сортировки для получения однородной продукции.

Для большинства людей все пластики выглядят одинаково. Но зоркие глаза знают, что существует семь распространенных типов пластика. Вы можете узнать их по маленьким символам переработки на дне почти всех пластиковых контейнеров. Эти цифры помогают определить химический состав этих пластмасс. Возможно, вы заметили их, сортируя свой мусор.

Вот разбивка некоторых из этих материалов:

Материал	Общее использование	Кодекс переработки
Полиэтилентерефталат	Бутылки для газировки, бутылки для воды	1 – ПИТ
Полиэтилен высокой плотности	Молочники, бутылки для моющих средств	2 – ПНД
Поливинил хлорид	Трубы, душевые занавески	3 – ПВХ
Полиэтилен низкой плотности	Пакеты для продуктов, пакеты для сэндвичей	4 – ПВД
Полипропилен	Контейнеры на вынос, стаканчики для йогурта	5 – ПП
Полистирол	Одноразовые кофейные стаканчики	6 – ПС
Другой	Защитные очки, DVD-диски, много многоразовых бутылок с водой.	7 – Другое

Сортировка этих пластиков имеет решающее значение. Различные типы пластика со схожими характеристиками часто невозможно смешивать, поскольку они требуют разных процессов плавления.

Возьмем, к примеру, ПВХ. Он используется во всем: от труб до занавесок для душа. Расплавленный ПВХ производит сильную кислоту, используемую во многих отраслях промышленности. Но, как и многие другие кислоты, это не то, что вы хотите сделать неожиданно.

Полиолефины, группа пластмасс, включающая HDPE (используется в молочниках), LDPE (используется в пластиковых пакетах) и PP (используется в контейнерах для еды), представляют собой более мягкий пример. Эти пластмассы составляют около 40% мирового производства пластика. Их также сложнее всего сортировать.

Тип пластика, используемого в молочниках, требует высоких температур для плавления и переработки из-за его кристаллической структуры. Однако если в полиэтиленовые пакеты попадают загрязняющие вещества, эти пакеты разлагаются при таких высоких температурах. Таким образом, если пластиковый пакет окажется в кувшинах для молока, это может привести к появлению партии непригодных для использования кувшинов для молока ненадлежащего цвета. Этот риск обработки является одной из причин, по которой вы не увидите много молочников, изготовленных из переработанного пластика.

Кроме того, если некоторые устойчивые к высоким температурам материалы из контейнеров для выдачи попадают на линию по производству пластиковых пакетов, вы можете увидеть засоры машины.

Работники Центра переработки отходов округа Монтгомери сортируют материалы для переработки.

Теоретически вы можете легко сортировать пластиковые отходы, используя небольшие символы переработки. Затем вы можете продать этот отсортированный пластик переработчикам вторичной переработки, которые переработают его в продукцию.

Цена зависит от предполагаемой чистоты пластика. Большую пачку оранжевых бутылок для моющего средства можно продать по высокой цене, потому что их легко выбрать. Однако в куче контейнеров на вынос можно легко перемешать различные красители или добавки.

На местном предприятии по переработке мусора в округе Монтгомери, штат Мэриленд, люди вручную сортируют бутылки из-под моющих средств, контейнеры для пищевых продуктов и многое другое. Однако руки и глаза могут двигаться только с такой скоростью, и на такой скорости легко допустить ошибку. Таким образом, предприятия по переработке сосредоточены на сортировке дорогостоящего или легко идентифицируемого пластика, чтобы обеспечить единообразие при продаже переработчикам вторичной переработки. Это означает, что бутылки с моющими средствами и контейнеры для напитков перерабатываются с высокой скоростью. Ваши пластиковые «столовые приборы» и старые детские игрушки могут не подойти.

Чтобы облегчить сортировку, наша работа в NIST была сосредоточена на использовании ближнего инфракрасного света (NIR) — технологии, которая позволяет быстро идентифицировать различные пластмассы. Некоторые ведущие предприятия по переработке отходов уже используют освещение или камеры, чтобы «видеть» и сортировать бутылки из-под газировки из труб из ПВХ.

Но эти системы не могут сортировать все. Мое исследование направлено на создание метода, который поможет сортировать самые сложные виды пластмасс, чтобы переработчики могли получать прибыль.

Как мы делаем переработку более эффективной

Имея это в виду, наша команда рассмотрела этот метод NIR и решила улучшить его с помощью алгоритмов машинного обучения и других научных методов.

В инфракрасной спектроскопии вы освещаете некоторые молекулы светом разной длины. Эти молекулы поглощают часть энергии света на определенных длинах волн и отражают или передают остальную часть.

Один из способов подумать об этом – цветы и цвета. Например, когда на красную розу падает солнечный свет многих длин волн, роза очень хорошо поглощает все длины волн/цвета, кроме красного. Красный свет отражается от лепестков, поэтому роза кажется нам красной.

Если мы знаем цвет и интенсивность света, который мы освещаем на цветок или пластиковую бутылку, и цвет/интенсивность, которую мы получаем в ответ, мы можем использовать различия, чтобы идентифицировать больше этих цветов или бутылок, как отпечаток пальца.

Используя машинное обучение, мы можем найти БИК-отпечатки многих пластиковых материалов. Затем мы «обучаем» компьютеры идентифицировать пластмассы на основе новых сигналов NIR по сравнению с сигналами NIR других пластиков. Это обучение помогает технологии распознавать материалы в бутылках из-под газировки, понимать, чем они отличаются от контейнеров на вынос, и соответствующим образом разделять их.

В нашей первой статье мы использовали машинное обучение, чтобы связать наши сигналы о пластике с определенными свойствами (например, насколько плотным и кристаллическим является полиэтилен). Обычно вы измеряете плотность, взвешивая пластик в разных жидкостях и сравнивая различия. Это очень медленный и утомительный процесс.

Однако мы показали, что почти ту же информацию можно найти, используя отраженный свет, причем гораздо быстрее. На линии переработки время имеет решающее значение.

Вы можете применить этот метод к большим и маленьким выборкам. Это круто, потому что показывает, что если мы все настроим тщательно, мы сможем получить больше информации из этих измерений на основе света.

Это пока очень предварительная работа и применима не ко всем типам пластмасс. Итак, мы не можем просто пролить свет на любой пластик и узнать его точные свойства, но это захватывающее начало. Если мы сможем масштабировать его, это может сэкономить переработчикам и производителям много времени и усилий на этапах контроля качества.

С момента публикации этой работы я углубился в то, как обращаться со всеми данными этих измерений. В итоге вы получите очень разные данные в зависимости от формы пластика и того, является ли образец гранулой, порошком или бутылкой.

Это связано с тем, что свет по-прежнему отражается, но в разных направлениях в зависимости от формы пластика. Представьте себе отражения в чистом пруду по сравнению с прудом с множеством ряби. Затем вы можете добавить пигменты и консерванты, которые действительно могут изменить сигнал. Это не делает данные неверными, но может повлиять на сортировку. Вы можете думать об этом как о классификации фотографий людей в черно-белых изображениях по сравнению с теми же людьми в черно-белых, цветных, комиксах и картинах.

Чтобы решить эту проблему, команда расширила наш набор данных, и я ищу математические решения, позволяющие объединить порошки, гранулы и цветные пластмассы на одном игровом поле. Если мы сможем это сделать, определить, какой пластик с помощью машинного обучения станет проще.

Чтобы сделать это исследование более полезным, я работаю над тем, чтобы показать, что мы можем сортировать эти сложные полиолефины. Используя мой нынешний метод, мы достигли точности от 95% до 98% при сортировке этих пластиков. Мы делаем это с помощью процессов, которые может быстро начать использовать практически любой завод по переработке отходов, оснащенный NIR.

Многие предприятия по переработке, возможно, уже используют аналогичные алгоритмы, но эта работа обеспечивает дополнительный уровень усовершенствования, уделяя особое внимание полиолефинам, которые трудно сортировать.

Если мы сможем эффективно сортировать их, мы сможем повторно использовать их с меньшими проблемами при переработке, что сделает переработку более прибыльной. Тогда, будем надеяться, прибыль поможет улучшить привычки переработки отходов, и мы сможем начать превращать нашу линейную экономику в циклическую.

Переработка отходов как загадка, которую предстоит решить

Я умею решать проблемы, перепрыгивая от одной головоломки к другой.

Помимо исследований полимеров, я работал над системами доставки лекарств от рака яичников, а теперь использую искусственный интеллект (ИИ) и машинное обучение.

Я люблю делать добро, решая сложные проблемы. Устойчивое развитие и экологически чистые материалы были прекрасной темой на протяжении всей моей исследовательской карьеры.

Возможно, вы изначально не заметили связи между биомедицинскими исследованиями и пластиком. Но системы доставки лекарств могут помочь создать действительно крутые материалы, которые можно будет использовать не только в медицине. Пластическая работа также может улучшить наше понимание ДНК, белков и коллагена в нашем организме.

Теперь, с развитием искусственного интеллекта, у нас есть новые инструменты, позволяющие проводить исследования материалов быстрее и эффективнее. Это захватывающее время в области экологически чистых материалов!

Будущее Сортировка Исследовать

В настоящее время я заканчиваю двухлетний контракт в NIST и ищу следующую головоломку, которую нужно решить.

Тем не менее, я планирую оставаться на связи с NIST в качестве филиала, чтобы помогать другим исследователям использовать мои методы.

Я надеюсь помочь более широкому сообществу по переработке отходов использовать анализ данных, чтобы улучшить нашу переработку и помочь очистить нашу планету.