Vi har brug for at kompostere mere for at redde verden; Hvordan AI og data kan hjælpe

Verden har et affaldsproblem – og det bliver værre dag for dag. Affaldet forventes at nå 3,4 milliarder tons om året globalt i 2050, op fra 2 milliarder i 2016. Affald er en stor bidragsyder til klimaforandringer; lossepladser er en af de største kilder til drivhusgasemissioner. Og det er endda, hvis man kan finde lossepladser; nogle stater er allerede begyndt at løbe tør for plads.

Mange ser på genbrug som en løsning på plasticskade-problemet, men genbrug efterlader meget at ønske, især for plastikemballage, som er den hurtigst voksende kilde til affald. Over 90% af alle plastik, “genbrugeligt” eller ej, ender i lossepladser, hvilket yderligere forværre vores affaldsproblem. Meget af det ender som mikroplast, hvilket skaber endnu større miljø- og sundhedsrisici.

Dette kan ikke fortsætte – og en løsning, der kan hjælpe med at reducere mængden af affald, der tilstoppede verden, er en massiv implementering af kompostering, især for fødevarer og emballagematerialer. I dag har kun 27% af amerikanerne adgang til komposteringsprogrammer. Dette må ændre sig; og det er begyndt at: sammen med øget offentlig investering i komposteringsinfrastruktur, spiller avanceret teknologi, herunder AI, en voksende rol i at hjælpe med at gøre kompostering mere effektiv og mere let at håndtere komposterbare plastik; udvikle nye komposterbare materialer; og endda hjælpe med at ændre forbrugeradfærd.

AI og computer-vision-drevet sorterings-teknologi og robot-kompostering

Når lastbiler med affald ankommer til komposteringsanlæg, skal indholdet sorteres, så der ikke er kontaminanter, da dette vil forstyrre komposteringsprocessen eller resultere i lavkvalitetskompost. Denne sortering er ofte en manuel og dyrekøbsprocess. Men AI ændrer dette; udstyret med maskinvision, kan robot-sorteringsanlæg hurtigt fjerne kontaminanter fra lastbiler med komposterbart affald. Dette giver komposteringsanlæg mulighed for at acceptere mere affald generelt og spare på sorteringsomkostninger og tid. For eksempel har byen San Antonio, Texas, siden den begyndte at bruge sådan robot-sortering sidste år, endnu ikke afvist en lastbil med organisk affald; før dette system var komposteringsanlægget nødt til at afvise affald, der sandsynligvis indeholdt selv små mængder kontaminanter, da det simpelthen ikke var værd at sortere.

Avanceret billedteknologi kan også bruges til at sortere affald på almindelige anlæg, ved at identificere komposterbare materialer og dirigere dem til de rette kanaler. En måde at opnå dette på er gennem digital vandmærkning, hvor små vandmærker på emballage og andre forbrugerartikler læses af et avanceret maskinvisionssystem, der derefter automatisk sorterer affaldet i den rette strøm. Disse vandmærker er særligt nødvendige for at hjælpe mere kompostering med at acceptere komposterbare plastik; da de giver dem mulighed for hurtigt at skelne mellem komposterbare plastik og ikke-komposterbare plastik, som ser meget ens ud for det menneskelige øje.

Digital vandmærkning er en løsning, der kræver samarbejde på tværs af komposterbare emballageindustrien samt fra komposteringsanlæg og lokale affaldshåndteringsselskaber, der overvåger kompostering. Det vil fungere perfekt, hvis producenter af sådant emballage vil acceptere at bruge disse mærker, og komposteringsanlæg har udstyret til at læse dem. Jeg tror, det er muligt.

Selv uden digital vandmærkning findes der computer-vision AI-teknologi, der kan identificere komposterbare materialer, herunder plastik. Avanceret sorterings-teknologi er særligt vigtig for at fremme brugen af komposterbare plastik, da den også kan dirigere komposterbare plastik til de rette komposteringsbetingelser, som ofte kan afvige fra dem, der kræves for fødevarer eller havenaffald, og hjælpe med at gøre tingene mere effektive for komposteringsanlæg. For eksempel har et britisk hold udviklet et sensorbaseret system, der sorterer komposterbare materialer efter type, komposteringsanlægskrav og den tid, det tager at kompostere. Systemet bruger en teknologi kaldet hyperspektral billedanalyse (HSI), der bruger avanceret billedanalyse til at undersøge affald, og analyserer det ved hjælp af kemisk og fysisk analyse. Maskinlæring anvendes på indgående affald, og systemet forbedrer sin sorteringsfunktion, når nyt affald kommer ind i systemet – til den grad, at systemet har en nøjagtighed på 99%, og alle komposterbare materialer behandles på den mest effektive måde.

Fremme af kompostering og opdagelse af nye komposterbare materialer

Når det kommer til komposteringsprocessen selv, kan sensorer sammen med AI-baseret maskinvision også overvåge betingelser som varme og fugt, og sikre, at de er ideelle for at fremme komposteringsprocessen, og foretage justeringer på stedet for at sikre hurtigere og højere kvalitetskompostering. AI kan forudsige, hvornår kompost vil være klar, en anden vigtig faktor er at gøre processen mere effektiv og producere et produkt af konstant kvalitet, og vigtigt, når man appellerer til landmænd, der vil købe dette slutprodukt.

Selvfølgelig ligger udviklingen af komposterbare plastik til grund for alt dette, et område, hvor AI og maskinlæring kan bidrage væsentligt. Ifølge forskere er der stadig meget at opdage om forholdet mellem polymerer, som udgør plastik, og biologisk nedbrydning. Maskinlæring kan hjælpe med at accelerere analysen og klassificeringen af eksisterende polymerer og udvikle nye polymerer. Udvidelsen af biblioteket af tilgængelige polymerer til komposterbare emballage er afgørende, da dette vil give mulighed for lavere omkostninger samt flere valgmuligheder for emballagekarakteristika. For eksempel har vi fra vores eget arbejde erfaring med, at visse mærker måske har brug for emballage med en højere barrierevarighed end andre. Vi integrerer også en design af eksperimenter og AI-styringssystemer for at hjælpe med at accelerere forskning og udvikling samt tilpasse forskellige emballageprodukter til at møde forbrugernes behov samt komposteringskrav.

Fordelene ved avanceret teknologi går ud over emballage. AI og computer-vision kan også hjælpe med at oprette datasets om, hvor meget mad forbrugere spilder. Dette kan bruges til at ændre forbrugeradfærd, som er en af de vigtigste faktorer i reduktionen af miljøpåvirkningen. For eksempel udvikler Oregon State University intelligente komposteringsbeholdere, der bruger computer-vision til at spore, hvor meget mad forbrugere spilder. Mens affald nøje overvåges i andre dele af landbrugs- og fødevareforsyningskæden, overvåges forbrugeraffald ikke nøje og er ikke godt forstået.

Der er mange grunde til, hvorfor kompostering er den ultimative løsning for at reducere affald og plastik, der tilstoppede lossepladser og bidrager til drivhusgasemissioner samt andre miljø- og sundhedsrisici. Teknologi kunne hjælpe kompostering med at gå et par skridt videre, og åbne vejen for en mere lovende fremtid for planeten og for menneskeheden.