29.03.2024
Подписывайтесь на Telegram-канал по ссылке

Искусственный интеллект помогает сортировать биоразлагаемый мусор от всего остального

Automatic classification plastics

Пластик прочно вошёл в нашу повседневную жизнь: стаканчики в кофейнях сделаны из него; контейнеры, где мы храним еду, тоже; полиэтиленовые пакеты, встречающиеся в каждом супермаркете, сделаны также из пластика. Некоторые из видов пластика созданы специально для разложения в определённых условиях. Такие пластиковые материалы можно назвать «компостируемыми». Но такой пластик выглядит идентично остальным и может снизить эффективность переработки. Также некоторые виды пластмасс, пригодные для вторичной переработки, ошибочно принимаются за компостируемые, что может привести к загрязнению компоста.

Учёные Университетского колледжа Лондона разработали систему, применив машинное обучение, для автоматической сортировки разных типов пластмасс и отделении компостируемых видов от всех остальных. Теперь искусственный интеллект может отделять биоразлагаемые отходы от остальных практически с идеальной точностью. Исследование опубликовано в журнале Frontiers in Sustainability.

Учёные провели эксперимент с разными типами пластмассовых материалов. Их размер составил от 50х50 мм до 5х5 мм. Образцами выступили полиэтилентерефталат и полипропилен, использующиеся для производства плёнок (особенно упаковочных), бутылок, ёмкости для бытовой химии. Также в качестве тестовых образцов были выбраны сахарный тростник и пальмовые листья, что также используется для изготовления упаковки. Выборки были разделены на два набора: обучающий и тестовый. Обучающий использовался для построения классификационных моделей, а тестовый – для проверки точности.

Результаты превзошли ожидания учёных: модель машинного обучения достигла идеальной точности для всех видов материалов, размер которых составил более 10х10 мм. Но для материалов, изготовленных из пальмовых листьев и сахарного тростника, с учётом размеров 10х10 мм или менее, коэффициент неправильной классификации составил 20% и 40% соответственно. Стоит отметить, что исследователи уже знают, как повысить точность сортировки и продолжают работу в данном направлении.