يساعد التعلم الآلي على فصل المواد القابلة للتحويل إلى سماد عن نفايات البلاستيك التقليدية
ابتكر الباحثون نماذج تصنيف تتيح الفرز الدقيق والآلي لأنواع مختلفة من البلاستيك.
يتزايد استخدام المواد البلاستيكية القابلة للتسميد، وعلى الرغم من أنها توفر العديد من الفوائد، إلا أن هذه المواد، مثل الأغلفة والتعبئة والتغليف، يمكن أن تختلط وتلوث النفايات البلاستيكية التقليدية أثناء إعادة التدوير.
لمعالجة هذه المشكلة، استخدم العلماء تقنيات تصوير متقدمة وأنشأوا خوارزميات للتعلم الآلي قادرة على تمييز المواد البلاستيكية القابلة للتسميد عن التقليدية.
تنتشر المواد البلاستيكية التي يمكن التخلص منها في كل مكان في حياتنا، وتظهر بأشكال مختلفة مثل حاويات الطعام، وأكواب القهوة، والأكياس البلاستيكية.
على الرغم من أن بعض أنواع البلاستيك مصممة للتحلل البيولوجي في ظل ظروف خاضعة للرقابة، إلا أنها لا تزال تمثل مشكلة لأنها تشبه في كثير من الأحيان المواد البلاستيكية التقليدية.
عندما يتم إعادة تدوير هذه المواد البلاستيكية القابلة للتحلل بشكل غير صحيح، فإنها يمكن أن تلوث مجاري النفايات البلاستيكية، مما يؤدي إلى تقليل كفاءة إعادة التدوير.
علاوة على ذلك، غالبًا ما يتم الخلط بين المواد البلاستيكية القابلة لإعادة التدوير والمواد القابلة للتسميد، مما يؤدي إلى سماد ملوث.
نشر باحثون في جامعة كوليدج لندن (UCL) ورقة في Frontiers in Sustainability استخدموا فيها التعلم الآلي لفرز أنواع مختلفة من البلاستيك القابل للتحلل والقابل للتحلل تلقائيًا وتمييزها عن البلاستيك التقليدي.
قال البروفيسور مارك ميودونيك ، المؤلف المقابل للدراسة: ” الدقة عالية جدًا وتسمح باستخدام هذه التقنية بشكل عملي في مرافق إعادة التدوير الصناعية والتسميد في المستقبل”.
تصل إلى الدقة المثالية
عمل الباحثون مع أنواع مختلفة من البلاستيك بقياس ما بين 50 مم في 50 مم و5 مم في 5 مم.
تضمنت العينات البلاستيكية التقليدية PP وPET، وغالبًا ما تستخدم في حاويات الطعام وزجاجات الشرب، بالإضافة إلى البولي إثيلين المنخفض الكثافة المستخدم، من بين أشياء أخرى، للأكياس البلاستيكية والتعبئة والتغليف.
جلات؛ بالإضافة إلى جريد النخيل وقصب السكر، وكلاهما من المواد المشتقة من الكتلة الحيوية المستخدمة لإنتاج التعبئة والتغليف.
تم تقسيم العينات إلى مجموعة تدريب تستخدم لبناء نماذج تصنيف ومجموعة اختبار تستخدم للتحقق من الدقة.
أظهرت النتائج معدلات نجاح عالية: حقق النموذج دقة مثالية لجميع المواد عندما كان قياس العينات أكثر من 10 مم في 10 مم.
بالنسبة للمواد المشتقة من قصب السكر أو أوراق النخيل بقياس 10 ملم × 10 ملم أو أقل، كان معدل الخطأ في التصنيف 20٪ و40٪ على التوالي.
بالنظر إلى القطع التي يبلغ قياسها 5 مم في 5 مم، تم تحديد بعض المواد بشكل أكثر موثوقية من غيرها: بالنسبة لقطع LDPE وPBAT ، كان معدل الخطأ في التصنيف 20٪؛ وكلا المواد المشتقة من الكتلة الحيوية تم التعرف عليها بشكل خاطئ بمعدلات 60٪ (قصب السكر) و80٪ (أوراق النخيل).
ومع ذلك، كان النموذج قادرًا على تحديد قطع PLA وPP وPET دون أخطاء، بغض النظر عن قياسات العينة.
ما وراء المرئي
“حاليًا، يتم التعامل مع معظم المواد البلاستيكية القابلة للتحويل إلى سماد كمواد ملوثة في إعادة تدوير البلاستيك التقليدي، مما يقلل من قيمتها.
يتم تطبيق فرز التروميل والكثافة على سماد الغربلة وتقليل وجود المواد الأخرى. ومع ذلك، فإن مستوى الملوثات من عملية الفرز الحالية مرتفع بشكل غير مقبول، “أوضح ميودونيك.
“تتحقق مزايا التعبئة القابلة للتسميد فقط عندما يتم تحويلها إلى سماد صناعي ولا تدخل إلى البيئة أو تلوث مجاري النفايات الأخرى أو التربة.”
لتحسين الدقة، قام فريق من العلماء بما في ذلك Nutcha Teneepanichskul ، والبروفيسور Helen Hailes ، و Miodownik من UCL’s Plastic Waste Innovation Hub باختبار أنواع مختلفة من البلاستيك التقليدي، القابل للتحلل، والقابل للتحلل، باستخدام التصوير الفائق الطيفي (HSI) لتطوير نموذج التصنيف.
HSI هي تقنية تصوير تكتشف التوقيع الكيميائي غير المرئي للمواد المختلفة أثناء مسحها ضوئيًا، مما ينتج عنه وصف كيميائي للعينة لكل بكسل على حدة. تم استخدام نماذج الذكاء الاصطناعي لتفسير هذه الأوصاف وإجراء تعريف مادي.
إن سوء إدارة البلاستيك في عمليات إعادة التدوير والتسميد الصناعي مرتفع، مما يجعل آليات الفرز الموثوقة ضرورية.
وأشار ميودونيك إلى أن “سرعة تحديد الهوية منخفضة جدًا حاليًا بالنسبة للتنفيذ على نطاق صناعي”.
ومع ذلك، “يمكننا تحسينها وسنعمل على تحسينها نظرًا لأن الفرز التلقائي هو تقنية أساسية لجعل المواد البلاستيكية القابلة للتحويل إلى سماد بديلاً مستدامًا لإعادة التدوير”.
المصدر: scitechdaily
شاهد ايضا:
