Нам срочно нужно компостировать больше, чтобы спасти мир; как ИИ и данные могут помочь

Мир имеет проблему с мусором – и она становится все хуже с каждым днем. Объем отходов, как ожидается, достигнет 3,4 миллиарда тонн в год во всем мире к 2050 году, что на 1 миллиард больше, чем в 2016 году. Мусор является значительным вкладом в изменение климата; свалки являются одним из основных источников выбросов парниковых газов. И это даже если вы сможете найти свалки; некоторые штаты уже начали заканчиваться.

Многие смотрят на переработку как на решение проблемы загрязнения пластиком, но переработка оставляет много желаемого, особенно для пластиковой упаковки, которая является самым быстрорастущим источником мусора. Более 90% всех пластиков, “перерабатываемых” или нет, оказываются на свалках, что еще больше усугубляет нашу проблему с мусором. Большая часть этого становится микропластиками, что создает еще большие экологические и здоровые риски.

Это явно не может продолжаться – и одним из решений, которое может помочь уменьшить количество мусора, засоряющего мир, является массовое внедрение компостирования, особенно для пищевых и упаковочных материалов. Сегодня только 27% американцев имеют доступ к программам компостирования. Это должно измениться; и оно начинает меняться: вместе с увеличением государственных инвестиций в инфраструктуру компостирования, передовая технология, включая ИИ, играет все более важную роль в giúpании сделать компостирование более эффективным и более легко способным справиться с компостируемыми пластиками; разработке новых компостируемых материалов; и даже giúpании изменить поведение потребителей.

Технология сортировки на основе ИИ и компьютерного зрения и роботизированное компостирование

Когда грузовики с отходами прибывают на объекты компостирования, их содержимое необходимо сортировать, чтобы убедиться, что нет загрязнителей, поскольку это может нарушить процесс компостирования или привести к получению низкокачественного компоста. Эта сортировка часто является ручным и дорогим процессом. Но ИИ меняет это; оснащенный машинным зрением, роботизированные сортировщики могут быстро удалить загрязнители из грузовиков с компостируемыми отходами. Это позволяет объектам компостирования принимать больше отходов в целом и экономить на затраты на сортировку и время. Например, с тех пор, как город Сан-Антонио, штат Техас, начал использовать такую роботизированную сортировку в прошлом году, он еще не отклонил ни один грузовик с органическими отходами; до этого системы компостирования отклоняли отходы, которые, вероятно, содержали даже небольшие количества загрязнителей, поскольку это просто не было целесообразно сортировать.

Передовая технология изображения также может быть использована для сортировки отходов на общих объектах, выявления компостируемых материалов и направления их в соответствующие каналы. Одним из способов достижения этого является цифровая водяная знака, при которой небольшие водяные знаки, размещенные на упаковке и других потребительских товарах, считываются передовой системой машинного зрения, которая затем автоматически сортирует отходы в соответствующий поток. Эти водяные знаки особенно важны для помощи компостировщикам в принятии компостируемого пластика; поскольку они позволяют им быстро различать компостируемый пластик и некомпостируемый пластик, который выглядит очень похожим для человеческого глаза.

Цифровая водяная знака – это решение, которое требует сотрудничества во всей индустрии компостируемой упаковки, а также со стороны компостировщиков и местных компаний по управлению отходами, которые контролируют компостирование. Это будет работать идеально, если производители такой упаковки согласятся использовать эти знаки, и компостировщики будут иметь оборудование для их чтения. Я считаю, что это возможно.

Даже без цифровой водяной знаки, существует технология компьютерного зрения ИИ, которая может выявить компостируемые материалы, включая пластик. Передовая технология сортировки особенно важна для продвижения использования компостируемого пластика, поскольку она также может направить компостируемый пластик в правильные условия компостирования, которые могут часто отличаться от тех, которые требуются для пищевых или садовых отходов, giúpая сделать все более эффективным для компостировщиков. Например, британская команда разработала сенсорную систему, которая сортирует компостируемые материалы по типу, требованиям системы компостирования и времени, необходимому для компостирования. Система использует технологию гиперспектральной съемки (HSI), которая использует передовую съемку для анализа отходов, анализируя их с помощью химического и физического анализа. Машинное обучение применяется к входящим отходам, и система улучшает свои возможности сортировки по мере поступления новых отходов – до такой степени, что система имеет точность 99%, и все компостируемые материалы обрабатываются наиболее эффективным образом.

Ускорение компостирования и открытие новых компостируемых материалов

Когда речь идет о самом процессе компостирования, датчики, вместе с машинным зрением ИИ, также могут контролировать условия, такие как температура и влажность, обеспечивая их оптимальность для продвижения процесса компостирования, и делать корректировки на месте, чтобы обеспечить более быстрое и высококачественное компостирование. ИИ может предсказать, когда компост будет готов, еще одним ключевым фактором является то, что процесс становится более эффективным и производит продукт постоянного качества, и это важно, когда речь идет о привлечении фермеров, которые будут покупать этот конечный продукт.

Конечно, все это основано на продвижении компостируемого пластика, области, где ИИ и машинное обучение могут сделать важный вклад. Согласно исследователям, еще многое предстоит открыть о связи между полимерами, которые составляют пластик, и биоразложением. Машинное обучение может помочь ускорить анализ и классификацию существующих полимеров и разработку новых полимеров. Расширение библиотеки доступных полимеров для компостируемой упаковки является важным, поскольку это позволит снизить затраты, а также предоставить больше вариантов для характеристик упаковки. Например, как мы хорошо знаем из своей работы, некоторые бренды могут нуждаться в упаковке, которая имеет более высокий барьер, чем другие. Мы также интегрируем проектирование экспериментов и системы управления ИИ, чтобы помочь ускорить исследования и разработку, а также настройку различных продуктов упаковки для лучшего удовлетворения потребностей потребителей, а также требований компостируемости.

Преимущества передовой технологии выходят за рамки упаковки. ИИ и компьютерное зрение также могут помочь создать наборы данных о том, сколько пищевых отходов образуют потребители. Это можно использовать для изменения поведения потребителей, которое является одним из наиболее важных факторов в снижении воздействия на окружающую среду. Например, Университет штата Орегон разрабатывает умные компостирующие баки, которые используют компьютерное зрение для отслеживания количества съедобных отходов, образуемых потребителями. Хотя отходы тщательно отслеживаются в других частях цепочки поставок продуктов питания и сельского хозяйства, потребительские отходы не отслеживаются тщательно и не хорошо понимаемы.

Существует много причин, почему компостирование является окончательным решением для снижения количества мусора и пластика, засоряющего свалки и способствующего выбросам парниковых газов, а также другим экологическим и здоровым рискам. Технология может помочь компостированию сделать еще несколько шагов вперед, открывая путь к более перспективному будущему для планеты и человечества.