Vi må kompostere mer for å redde verden; Hvordan AI og data kan hjelpe

Verden har et søppelproblem – og det blir bare verre dag for dag. Avfall forventes å nå 3,4 milliarder tonn per år globalt innen 2050, opp fra 2 milliarder i 2016. Søppel er en stor bidragsyter til klimaendringer; deponier er en ledende kilde til GHG-utslipp. Og det er enda hvis du kan finne deponier; noen stater er allerede i ferd med å løpe tom for plass.

Mange ser mot gjenvinning som en løsning på plastforurensningsproblemet, men gjenvinning lar mye å ønske, spesielt for plastemballasje, den raskest voksende kilden til søppel. Mer enn 90% av all plast, “gjenvinnbar” eller ikke, ender opp i deponier, og forverrer enda mer vårt søppelproblem. Mye av dette ender opp som mikroplast, og skaper enda større miljø- og helseproblemer.

Dette kan ikke fortsette – og en løsning som kunne hjelpe med å redusere mengden søppel som tetter verden, er massiv implementering av kompostering, spesielt for mat og emballasjematerialer. I dag har bare 27% av amerikanerne tilgang til komposteringprogrammer. Dette må endres; og det begynner å skje: sammen med økt offentlig investering i komposteringsinfrastruktur, spiller avansert teknologi, inkludert AI, en økende rolle i å gjøre kompostering mer effektiv og lettere å håndtere komposterbare plast; utvikle nye komposterbare materialer; og sogar hjelpe med å endre forbrukeratferd.

AI og datadrevet sorteringsteknologi og robotkompostering

Når lastebiler med avfall ankommer komposteringsanlegg, må innholdet sorteres, og det må sikres at det ikke er noen forurensninger, da dette vil forstyrre komposteringprosessen eller resultere i lavkvalitetskompost. Denne sorteringen er ofte en manuell og kostbar prosess. Men AI endrer dette; utstyrt med maskinvisjon, kan robotiske sorteringssystemer raskt fjerne forurensninger fra lastebiler med komposterbart avfall. Dette tillater komposteringanlegg å akseptere mer avfall generelt, og å spare på sorteringskostnader og tid. For eksempel, siden byen San Antonio, Texas, begynte å bruke slik robotisk sortering i fjor, har den ennå ikke avvist en lastebil med organisk avfall; før dette systemet, avviste komposteringanlegget avfall som sannsynligvis ville inneholde selv små mengder forurensninger, fordi det enkelt ikke var verd å sortere.

Avansert bildeanalyseteknologi kan også brukes til å sortere avfall på generelle anlegg, og identifisere komposterbare materialer og dirigere dem til riktige kanaler. En måte å oppnå dette på er gjennom digital vannmerking, hvor små vannmerker plassert på emballasje og andre forbrukerartikler leses av et avansert maskinvisjonssystem, som deretter automatisk sorterer avfall inn i riktig strøm. Disse vannmerkene er spesielt viktige for å hjelpe flere kompostører å akseptere komposterbare plast; da de tillater dem å raskt skille mellom komposterbare plast og ikke-komposterbare plast, som ser svært lik ut for det menneskelige øye.

Digital vannmerking er en løsning som krever samarbeid over hele komposterbare emballasjeindustrien, samt fra kompostører og lokale avfallshåndteringsselskaper som overvåker kompostering. Den vil fungere perfekt hvis produsentene av slik emballasje samtykker i å bruke disse merkene, og kompostørene har utstyret til å lese dem. Jeg tror det er mulig.

Selv uten digital vannmerking, finnes det datadrevet AI-teknologi som kan identifisere komposterbare materialer, inkludert plast. Avansert sorterings-teknologi er spesielt viktig for å fremme bruken av komposterbare plast, da den også kan dirigere komposterbare plast inn i riktig kompostforhold, som ofte kan være forskjellig fra de som kreves for mat eller hageavfall, og hjelpe med å gjøre ting mer effektive for kompostørene. For eksempel har et britisk team utviklet et sensorbasert system som sorterer komposterbare materialer etter type, kompostsystemkrav og mengden tid kompostering tar. Systemet bruker en teknologi kalt hyperspektral bildeanalyse (HSI), som bruker avansert bildeanalyse til å undersøke avfall, og analyserer det ved hjelp av kjemiske og fysiske analyser. Maskinlæring brukes på innkommende avfall, og systemet forbedrer sine sorteringsmuligheter etter hvert som nytt avfall kommer inn i systemet – til den grad at systemet har en nøyaktighetsrate på 99%, med alle komposterbare materialer prosessert på mest effektive måte mulig.

Fremme kompostering og oppdagelse av nye komposterbare materialer

Når det gjelder komposteringprosessen selv, kan sensorer, sammen med AI-basert maskinvisjon, også overvåke forhold som varme og fuktighet, og sikre at de er ideelle for å fremme komposteringprosessen, og gjøre justeringer på stedet for å sikre raskere og høykvalitetskompostering. AI kan forutsi når kompost er klar, en annen viktig faktor er å gjøre prosessen mer effektiv og produsere et produkt av konsekvent kvalitet, og viktig når det gjelder å appellere til bønder som vil kjøpe dette slutproduktet.

Selvfølgelig ligger alt dette under utviklingen av komposterbare plast, et område hvor AI og maskinlæring kan bidra med en viktig innsats. Ifølge forskere er det ennå mye å oppdage om forholdet mellom polymerer, som utgjør plast, og biologisk nedbrytning. Maskinlæring kan hjelpe med å påskynde analysen og klassifiseringen av eksisterende polymerer og utvikle nye polymerer. Utvidelsen av biblioteket med tilgjengelige polymerer for komposterbare emballasje er essensiell, da dette vil tillate lavere kostnader, samt flere valgmuligheter for egenskapene til emballasjen. For eksempel, som vi vet godt fra vårt eget arbeid, kan noen merker trenge emballasje som har en høyere barrieredurabilitet enn andre. Vi integrerer også en design av eksperimenter og AI-styringssystemer for å hjelpe med å påskynde forskning og utvikling og tilpasning av forskjellige emballasjeprodukter for å møte forbrukernes behov, samt komposteringskrav.

Fordelene med avansert teknologi går utenfor emballasje. AI og datadrevet maskinvisjon kan også hjelpe med å skape datasett om hvor mye mat forbrukerne kaster. Dette kan brukes til å endre forbrukeratferd, som er en av de viktigste faktorene i å redusere påvirkningen på miljøet. For eksempel er Oregon State University i ferd med å utvikle smarte kompostbinger som bruker maskinvisjon til å spore hvor mye mat forbrukerne kaster. Mens avfall nøye overvåkes i andre deler av landbruk og matforsyningskjeden, overvåkes ikke forbrukeravfall nøye og er ikke godt forstått.

Det finnes mange grunner til at kompostering er den ultimate løsningen for å redusere søppel og plast som tetter deponier og bidrar til klimaendringer, samt andre miljø- og helseproblemer. Teknologi kan hjelpe kompostering å gå noen skritt videre, og åpne veien for en mer lovende fremtid for planeten og for menneskeheten.