사상 리더
세상을 구하려면 더 많은 퇴비화가 절실하다: AI와 데이터가 도울 수 있는 방법

핵심 포인트AI 기반 로봇 분류기는 이제 퇴비화 가능 폐기물과 오염 물질을 99% 정확도로 분리합니다.
더 보기
- AI 기반 로봇 분류기는 이제 퇴비화 가능 폐기물과 오염 물질을 99% 정확도로 분리합니다.
- 디지털 워터마킹과 초분광 이미징 기술을 통해 퇴비화 가능 플라스틱을 정확하게 식별하여 적절한 처리가 가능해졌습니다.
- 컴퓨터 비전을 탑재한 스마트 퇴비통은 소비자의 음식물 쓰레기를 추적하여 행동 변화를 유도합니다.
세계는 쓰레기 문제를 가지고 있으며, 이는 날이 갈수록 심각해진다. 2050년까지 세계적으로 쓰레기는 연간 34억 톤으로 증가할 것으로 예상되며, 이는 2016년의 20억 톤보다 증가한 것이다. 쓰레기는 기후 변화의 주요 원인 중 하나이며, 매립지는 온실 가스 배출의 주요 원인 중 하나이다. 그리고 이것은 매립지를 찾을 수 있는 경우에도 그렇다; 일부 주들은 이미 매립지를 사용할 수 없는 상황에 직면해 있다.
많은 사람들이 플라스틱 오염 문제의 해결책으로 재활용을 찾고 있지만, 재활용은 특히 가장 빠르게 증가하는 폐기물원인 플라스틱 포장재에서 부족한 점이 많다. 재활용 가능 표시 여부와 관계없이 전체 플라스틱의 90% 이상이 매립지에 버려져 문제를 악화시킨다. 그중 상당량은 미세 플라스틱이 되어 더 큰 환경·건강 위험을 만든다.
이 상황은 계속될 수 없다. 세계의 쓰레기 문제를 줄이기 위해 도움이 될 수 있는 해결책 중 하나는 대규모 퇴비화이다. 특히 음식물 쓰레기와 포장재를 퇴비화하는 것이 중요하다. 현재 미국의 경우, 오직 27%의 사람들이 퇴비화 프로그램에 접근할 수 있다. 이는 반드시 변경되어야 하며, 이미 변경되고 있다. 공공 투자와 함께, 고급 기술, 특히 AI가 퇴비화를 더 효율적이고 쉽게 만들기 위해 점점 더 중요한 역할을 하고 있다. 퇴비화 가능한 플라스틱을 더 쉽게 처리하고 새로운 퇴비화 가능 물질을 개발하며, 심지어 소비자 행동을 변경하는 데에도 도움이 된다.
AI와 컴퓨터 비전을 이용한 분류 기술 및 로봇 퇴비화
퇴비화 시설에 쓰레기가 도착하면, 내용물이 분류되어야 한다. 이는 퇴비화 과정에서 오염물질이 있으면 퇴비화 과정이 방해받거나 품질이 낮은 퇴비가 생성될 수 있기 때문이다. 이러한 분류는 종종 수동적이고 비싼 과정이다. 그러나 AI는 이를 변경하고 있다. 기계 비전을 장착한 로봇 분류기는 퇴비화 가능한 쓰레기에서 오염물질을 빠르게 제거할 수 있다. 이는 퇴비화 시설이 더 많은 쓰레기를 받을 수 있도록 하며, 분류 비용과 시간을 절약할 수 있다. 예를 들어 텍사스주 샌안토니오는 지난해부터 이런 로봇 분류기를 사용하고 있다. 이전에는 적은 양이라도 오염 가능성이 있는 폐기물은 선별 비용이 아깝다는 이유로 거부했지만, 로봇 분류기를 사용한 이후로 한 번도 쓰레기를 거부하지 않았다.
고급 이미지 기술을 이용하여 일반적인 시설에서도 쓰레기를 분류할 수 있다. 이는 퇴비화 가능한 물질을 식별하고, 적절한 경로로 보내는 데 도움이 된다. 한 가지 방법은 디지털 워터마크를 이용하는 것이다. 소비자 물품에 작은 워터마크를 표시하고, 고급 기계 비전 시스템이 이를 읽어 쓰레기를 적절한 경로로 분류하는 것이다. 이러한 워터마크는 특히 퇴비화 가능한 플라스틱을 더 많이 수용할 수 있도록 하는 데 중요하다. 이는 퇴비화 가능한 플라스틱과 비퇴비화 가능한 플라스틱을 사람 눈에는 매우 비슷하게 보이는 두 종류를 빠르게 구분할 수 있기 때문이다.
디지털 워터마크는 퇴비화 가능한 포장재 산업과 퇴비화 시설, 그리고 지역 쓰레기 관리 회사 간의 협력으로 작동하는 해결책이다. 이는 포장재 제조업체가 이러한 표시를 사용하고, 퇴비화 시설이 이를 읽을 수 있는 장비를 갖추고 있는 경우에만 작동한다. 나는 이것이 가능하다고 믿는다.
디지털 워터마크가 없더라도, 퇴비화 가능한 물질을 식별할 수 있는 컴퓨터 비전 AI 기술이 있다. 고급 분류 기술은 특히 퇴비화 가능한 플라스틱의 사용을 발전시키는 데 중요하다. 이는 퇴비화 가능한 플라스틱을 적절한 퇴비화 조건으로 보내는 데도 도움이 된다. 이 조건은 음식물이나 정원 폐기물에 필요한 조건과 다를 수 있어 시설의 효율을 높인다. 예를 들어, 영국의 한 팀은 센서 기반 시스템을 개발하여 퇴비화 가능한 물질을 유형, 퇴비화 시스템 요구 사항, 그리고 퇴비화 시간에 따라 분류한다. 이 시스템은 초분광 영상(HSI)이라는 첨단 영상 기술로 쓰레기를 조사하고, 화학적 및 물리적 분석을 통해 분류한다. 기계 학습을 통해 시스템이 새로운 쓰레기를 처리할 때마다 분류 능력을 향상시킨다. 이는 99%의 정확도로 작동하며, 모든 퇴비화 가능한 물질을 가장 효율적인 방법으로 처리한다.
퇴비화 속도 향상 및 새로운 퇴비화 가능한 물질의 발견
퇴비화 과정 자체에 대해서는, 센서와 함께 기계 비전 AI를 이용하여 온도와 습도와 같은 조건을 모니터링할 수 있다. 이는 퇴비화 과정을 최적화하는 데 도움이 되며, 더 빠르고 높은 품질의 퇴비를 생성하는 데 도움이 된다. AI는 또한 퇴비가 준비될 때를 예측할 수 있다. 이는 퇴비화를 더 효율적이고 일관된 품질의 제품을 생성하는 데 중요하다. 이는 농민들이 이 최종 제품을 구매할 때에도 중요하다.
이 모든 변화의 기반은 퇴비화 가능한 플라스틱의 발전이며, AI와 머신러닝이 크게 기여할 수 있는 분야다. 연구자들에 따르면 플라스틱을 구성하는 고분자와 생분해의 관계에는 아직 알아낼 것이 많다. 머신러닝은 기존 고분자의 분석·분류를 가속하고 새로운 고분자를 개발하는 데 도움이 된다. 퇴비화 가능한 포장재용 고분자 선택지를 넓히면 비용을 낮추고 포장 특성을 더 다양하게 선택할 수 있다. 필자들의 실제 업무 경험상 어떤 브랜드는 다른 브랜드보다 더 높은 차단 성능을 요구한다. 우리도 실험계획법과 AI 관리 시스템을 통합하여 연구개발과 제품별 맞춤 설계를 가속하고, 소비자 요구와 퇴비화 요건을 모두 충족하려 한다.
고급 기술의 이점은 포장재를 넘어선다. AI와 컴퓨터 비전을 이용하여 소비자가 음식물을 얼마나 낭비하는지에 대한 데이터를 생성할 수 있다. 이는 소비자 행동을 바꾸는 데 활용할 수 있으며, 이는 환경 영향을 줄이는 가장 중요한 요인 중 하나다. 예를 들어, 오리건 주립 대학교는 스마트 퇴비통을 개발하고 있다. 이는 컴퓨터 비전을 이용하여 소비자가 얼마나 많은 먹을 수 있는 음식을 버리는지 추적한다. 쓰레기는 농업과 식품 공급망의 다른 단계에서는 꼼꼼히 추적되지만, 소비자 쓰레기는 잘 추적되지 않으며, 잘 이해되지 않는다.
퇴비화는 쓰레기와 플라스틱을 줄이고, 매립지를 채우고 온실가스 배출 및 환경·건강 위험을 높이는 문제를 해결할 궁극적인 방안인 이유가 많다. 기술이 퇴비화를 발전시키는 데 도움이 될 수 있다. 이는 더 나은 미래를 열어줄 수 있다.












