Учинити рециклирање исплативијим уз помоћ вештачке интелигенције: Увиди из истраживања НИСТ-а

Рециклажа може бити значајан трошак за локалне самоуправе, али АИ би могла помоћи у смањењу тих трошкова и потенцијално повећати стопе рециклирања. Истраживачи у НИСТ-у раде на томе да рециклажа буде ефикаснија и јефтинија.

Да ли сте се икада запитали шта се дешава са вашом пластиком након што је баците у „канту за отпатке“?

Ово питање се у последње време често појављује у вестима.

Одговор је прилично сложен. Зависи од тога где живите и коју врсту пластике сте бацили.

Прикупљање материјала за рециклажу је огроман трошак за локалне самоуправе. Морају да одржавају објекте за прераду пластике, као и камионе и канте за њихово прикупљање. Такође треба да ангажују људе да обаве посао. Било би много јефтиније све само бацити на депоније.

Међутим, када локалне самоуправе рециклирају, могу да претворе смеће у готовину ако имају одговарајућу инфраструктуру. Они могу надокнадити неке трошкове продајом прикупљене пластике назад произвођачима. Већина произвођача жели да рециклирана пластика буде скоро једнако добра као нова, што захтева пажљиво сортирање да би се добили конзистентни производи.

За већину људи, сва пластика изгледа исто. Али оштре очи знају да постоји седам уобичајених врста пластике. Можете их препознати по малим симболима за рециклажу на дну скоро свих пластичних контејнера. Ови бројеви помажу да се идентификује хемијски састав те пластике. Можда сте их приметили приликом сортирања сопственог рециклирања.

Ево поделе неких од ових материјала:

Материјал	Уобичајене употребе	Рецицлинг Цоде
Полиетилен терефталат	Боце соде, флаше за воду	1 – ПЕТЕ
Полиетилена високе густине	Врчеви за млеко, флаше за детерџент	2 – ХДПЕ
Поливинил хлорид	Цеви, завесе за туш	3 – ПВЦ
Полиетилен ниске густине	Торбе за намирнице, кесе за сендвиче	4 – ЛДПЕ
полипропилен	Контејнери за понети, чаше за јогурт	5 – ПП
полистирен	Шоље за кафу за једнократну употребу	6 – ПС
Остало	Заштитне наочаре, ДВД-ови, много флаша за воду за вишекратну употребу	7 – Остало

Сортирање ове пластике је кључно. Различите врсте пластике са сличним карактеристикама често се не могу мешати јер захтевају различите процесе топљења.

Узмите ПВЦ, на пример. Користи се у свему, од цеви до завеса за туширање. Отопљени ПВЦ производи јаку киселину корисну у многим индустријским применама. Али, као и многе друге киселине, то није нешто што желите да направите неочекивано.

Полиолефини, група пластике укључујући ХДПЕ (користи се у бокалама за млеко), ЛДПЕ (користи се у пластичним кесама) и ПП (користи се у контејнерима за понети), представљају блажи пример. Ове пластике чине око 40% светске производње пластике. Такође су неке од најтежих за сортирање.

Врста пластике која се користи у посудама за млеко захтева високе температуре да би се растопила и поново обрадила због своје кристалне структуре. Међутим, ако се загађивачи пластичних кеса помешају, те кесе деградирају на овим високим температурама. Дакле, ако се пластична кеса помеша са врчевима за млеко, то би могло да доведе до серије неупотребљивих бокала за млеко. Овај ризик прераде је један од разлога зашто не видите много бокала за млеко направљене од рециклиране пластике.

Поред тога, ако неки материјали који су стабилни на високој температури из контејнера за понети заврше на линији за обраду пластичних кеса, могли бисте да видите зачепљења машина.

Радници у Центру за рециклажу округа Монтгомери сортирају материјале за рециклажу.

У теорији, пластични отпад можете лако сортирати користећи мале симболе за рециклажу. Затим, ову сортирану пластику можете продати секундарним рециклерима, који је претварају у производе.

Цена зависи од претпостављене чистоће пластике. Велики пакет наранџастих боца детерџента могао би се продати по високој цени јер их је лако изабрати. Међутим, гомила контејнера за понети може се лако помешати са разним бојама или адитивима.

У локалном постројењу за рециклажу у округу Монтгомери, Мериленд, људи ручно сортирају боце за детерџент, посуде за храну и још много тога. Међутим, руке и очи могу да се крећу само тако брзо, а при тој брзини је лако направити грешке. Дакле, постројења за рециклажу се фокусирају на сортирање пластике високе вредности или пластике која се лако идентификује како би се одржала доследност приликом продаје секундарним рециклерима. То значи да се флаше за детерџент и посуде за пиће рециклирају по високим стопама. Ваш пластични „прибор за јело“ и старе дечије играчке можда неће.

Да бисмо помогли у сортирању, наш рад у НИСТ-у се фокусирао на коришћење Неар Инфраред (НИР) светлости, технологије која може брзо да идентификује различите пластике. Неки врхунски објекти за рециклажу већ користе светла или камере да „виде“ и сортирају боце соде од ПВЦ цеви.

Али ови системи не могу све сортирати. Моје истраживање се фокусира на стварање методе која ће помоћи у сортирању најизазовније пластике како би рециклери могли да остваре профит.

Како рециклирање чинимо ефикаснијим

Имајући ово на уму, наш тим је погледао ову НИР методу и одлучио да је побољша алгоритмима машинског учења и другим научним техникама.

У инфрацрвеној спектроскопији, сијате различите таласне дужине светлости на неке молекуле. Ови молекули апсорбују део енергије светлости на одређеним таласним дужинама и рефлектују или преносе остатак.

Један од начина да размислите о томе је цвеће и боје. На пример, када многе таласне дужине сунчеве светлости сијају на црвену ружу, ружа је веома добра у апсорпцији сваке таласне дужине/боје осим црвене. Црвена светлост се одбија од латица, због чега нам ружа изгледа црвено.

Ако знамо боју и интензитет светлости којом сијамо на цвет или пластичну боцу и боју/интензитет који добијамо, можемо користити разлике да идентификујемо више ових цветова или боца, попут отиска прста.

Користећи машинско учење, можемо пронаћи НИР отиске прстију многих пластичних материјала. Затим „обучавамо“ рачунаре да идентификују пластику на основу нових НИР сигнала у поређењу са НИР сигналима друге пластике. Ова обука помаже технологији да препозна материјале у боцама соде, разуме по чему се разликују од контејнера за понети и да их у складу с тим одвоји.

У нашем првом раду користили смо машинско учење да повежемо наше пластичне сигнале са одређеним особинама (као што је густоћа и кристалност полиетилена). Обично мерите густину мерењем пластике у различитим течностима и упоређивањем разлика. То је веома спор и напоран процес.

Међутим, показали смо да можете пронаћи скоро исте информације користећи рефлектовану светлост — много брже. На линији за рециклажу време је кључно.

Ову методу можете применити на велике и мале узорке. Ово је супер јер показује да ако пажљиво поставимо ствари, можемо добити више информација из ових мерења заснованих на светлости.

Ово је још увек врло прелиминарни рад и још увек се не односи на све врсте пластике. Дакле, не можемо тек тако осветлити било коју пластику и знати њена тачна својства, али то је узбудљив почетак. Ако можемо да га повећамо, рециклерима и произвођачима би то могло уштедети много времена и труда у корацима контроле квалитета.

Откако сам објавио овај рад, бавио сам се начином на који руковати свим подацима из ових мерења. На крају добијате веома различите податке на основу облика пластике и да ли је узорак куглица, прах или боца.

То је зато што се светлост и даље рефлектује, али се рефлектује у различитим правцима у зависности од облика пластике. Замислите одразе на чистом рибњаку насупрот рибњаку са много таласа. Затим можете додати пигменте и конзервансе који би заиста могли да промене сигнал. Ово не чини податке погрешним, али може утицати на сортирање. О томе можете размишљати као о категоризацији фотографија људи у црно-белом у односу на исте људе у црно-белој боји, у боји, стриповима и сликама.

Да бисмо се позабавили овим, тим је проширио наш скуп података, а ја тражим математичке поправке да ставим прах, пелете и обојену пластику на исто поље за игру. Ако то можемо да урадимо, лакше је идентификовати која је пластика помоћу машинског учења.

Да бих ово истраживање учинио кориснијим, радим на томе да покажем да можемо сортирати те незгодне полиолефине. Користећи мој тренутни метод, достигли смо тачност од 951ТП3Т до 981ТП3Т у сортирању ове пластике. Ово радимо са процесима које скоро свако постројење за рециклажу опремљено НИР може брзо да почне да користи.

Многа постројења за рециклажу можда већ користе сличне алгоритме, али овај рад пружа додатни ниво префињености, фокусирајући се посебно на полиолефине које је тешко сортирати.

Ако их можемо ефикасно сортирати, можемо их поново користити са мање проблема у процесу обраде, чинећи рециклирање профитабилнијим. Тада, надамо се, профит може покренути боље навике рециклирања и можемо почети да претварамо нашу линеарну економију у кружну.

Рециклирање као загонетка коју треба решити

Ја сам решавач проблема, скачем са једне слагалице на другу.

Поред истраживања полимера, радио сам на системима за испоруку лекова за рак јајника, а сада користим вештачку интелигенцију (АИ) и машинско учење.

Волим да чиним добро док решавам сложене проблеме. Одрживост и биолошки прихватљиви материјали били су лепа тема током моје истраживачке каријере.

Можда у почетку не видите везу између биомедицинских истраживања и пластике. Али системи за испоруку лекова могу помоћи у стварању заиста цоол материјала са применама изван медицине. Пластични рад такође може побољшати наше разумевање ДНК, протеина и колагена у нашим телима.

Сада, са експлозијом вештачке интелигенције, имамо нове алате за брже и ефикасније истраживање материјала. Ово је узбудљиво време у области одрживих материјала!

Тхе Футуре оф Сортирање Истраживања

Тренутно завршавам двогодишњи уговор са НИСТ-ом и тражим следећу загонетку за решавање.

Међутим, планирам да останем повезан са НИСТ-ом као подружница како бих помогао другим истраживачима да користе моје технике.

Надам се да ћу помоћи широј заједници за рециклажу да користи аналитику података како би побољшала нашу рециклажу и помогла у чишћењу наше планете.