Vi behöver desperat kompostera mer för att rädda världen; Hur AI och data kan hjälpa

Världen har ett skräpproblem – och det blir värre På dagen. Avfall förväntas nå 3.4 miljarder ton ett år globalt 2050, upp från 2 miljarder 2016. Skräp är en stor bidragande orsak till klimatförändringen; soptippar är en ledande källa till utsläpp av växthusgaser. Och det är även om du kan hitta soptippar; vissa stater är det redan börjar ta slut.

Många ser på återvinning som en lösning på problemet med plastföroreningar, men återvinning lämnar mycket övrigt att önska, särskilt för plastförpackningar, den snabbast växande källan till sopor. Mer än 90% av all plast, "återvinningsbar" eller inte, hamnar på soptippar, vilket ytterligare förvärrar vårt sopproblem. Mycket av det slutar som microplastics, vilket skapar ännu större miljö- och hälsorisker.

Detta kan uppenbarligen inte fortsätta – och en lösning som kan bidra till att minska mängden skräp som täpper igen världen är massimplementering av kompostering, särskilt för livsmedel och förpackningsmaterial. Bara idag 27% av amerikaner har tillgång till komposteringsprogram. Detta måste förändras; och det börjar: tillsammans med ökade offentliga investeringar i komposteringsinfrastruktur spelar avancerad teknik, inklusive AI, en växande roll för att hjälpa till att göra komposteringen mer effektiv och lättare att hantera komposterbar plast; utveckla nya komposterbara material; och till och med hjälpa till att ändra konsumentbeteende.

AI och datorvisionsdriven sorteringsteknik och robotkompostering

När lastbilslaster med avfall kommer till komposteringsanläggningar måste innehållet sorteras, se till att det inte finns några föroreningar eftersom det kommer att störa komposteringsprocessen eller resultera i kompost av låg kvalitet. Detta sortering är ofta en manuell och dyr process. Men AI förändrar det; utrustad med maskinseende kan robotsorterare snabbt ta bort föroreningar från lastbilar av komposterbart avfall. Detta gör att komposteringsanläggningar kan ta emot mer avfall i allmänhet och spara på sorteringskostnader och tid. Till exempel, sedan staden San Antonio, Texas, började använda sådan robotsortering förra året, har den ännu inte avvisat en lastbil med organiskt avfall; före detta system kasserade komposteringsanläggningen avfall som sannolikt innehöll även små mängder föroreningar eftersom det helt enkelt inte lönade sig att sortera.

Avancerad bildteknik kan också användas för att sortera avfall vid allmänna anläggningar, identifiera komposterbara material och leda dem till rätt kanaler. Ett sätt att uppnå detta är genom digital vattenmärkning, där små vattenstämplar placerade på förpackningar och andra konsumentartiklar läses av ett avancerat maskinseendesystem, som sedan automatiskt sorterar avfallet i rätt bäck. Dessa vattenstämplar är särskilt viktiga för att hjälpa fler kompostörer att acceptera komposterbar plast; eftersom de gör att de snabbt kan skilja mellan komposterbar plast och icke-komposterbar plast, som ser väldigt lika ut som det mänskliga ögat.

Digital vattenmärkning är en lösning som kräver samarbete mellan komposterbara förpackningsindustrin samt från komposterare och lokala avfallshanteringsföretag som övervakar komposteringen. Det kommer att fungera perfekt om tillverkare av sådana förpackningar går med på att använda dessa märken, och komposter kommer att ha utrustningen för att läsa dem. Jag tror att det är möjligt.

Även utan digital vattenmärkning, finns det datorseende AI-teknik som kan identifiera komposterbara material, inklusive plast. Avancerad sorteringsteknik är särskilt viktig för att främja användningen av komposterbar plast, eftersom den också kan leda komposterbar plast till rätt kompostförhållanden, som ofta kan skilja sig från de som krävs för mat- eller trädgårdsrester, vilket hjälper till att göra saker mer effektiva för komposter. Till exempel har ett brittiskt lag utvecklade ett sensorbaserat system som sorterar komposterbart material efter typ, krav på kompostsystem och hur lång tid komposteringen tar. Systemet använder en teknologi som kallas hyperspektral avbildning (HSI), som använder avancerad bildbehandling för att undersöka skräp, analysera det med kemisk och fysikalisk analys. Maskininlärning tillämpas på inkommande skräp, där systemet förbättrar sina sorteringsmöjligheter när nytt skräp kommer in i systemet – i den utsträckning som systemet har en noggrannhet på 99 %, med allt komposterbart material bearbetat på det mest effektiva sättet som möjligt.

Påskynda komposteringen och upptäckten av nya komposterbara material

När det kommer till själva komposteringsprocessen kan sensorer, tillsammans med AI-baserad maskinseende, också övervaka förhållanden som värme och fukt, vilket säkerställer att de är idealiska för att flytta komposteringsprocessen och göra justeringar på plats för att säkerställa snabbare och högre -kvalitetskompostering. AI kan förutsäga när kompost kommer var redo, en annan nyckelfaktor är att göra processen mer effektiv och att producera en produkt av jämn kvalitet, och viktigt när man tilltalar bönder som kommer att köpa denna slutprodukt.

Naturligtvis bakom allt detta är utvecklingen av komposterbar plast, ett område där AI och maskininlärning kan ge ett viktigt bidrag. Enligt forskare, det finns fortfarande mycket att upptäcka om förhållandet mellan polymerer, som utgör plast, och biologisk nedbrytning. Maskininlärning kan hjälpa till att påskynda analysen och klassificeringen av befintliga polymerer och utveckla nya polymerer. Det är viktigt att utöka biblioteket av tillgängliga polymerer för komposterbara förpackningar, eftersom detta kommer att möjliggöra lägre kostnader, såväl som fler valmöjligheter för förpackningens egenskaper. Till exempel, som vi förstår väl av vårt eget arbete, kan vissa varumärken behöva förpackningar som har en högre barriär hållbara än andra. Även vi integrerar en design av experiment och AI-ledningssystem för att hjälpa till att påskynda forskning och utveckling och anpassning av olika förpackningsprodukter för att på bästa sätt möta konsumenternas behov, såväl som komposterbarhetskrav.

Fördelarna med avancerad teknik går utöver förpackning. AI och datorseende kan också hjälpa till att skapa datauppsättningar om hur mycket matkonsumenter slänger. Detta kan användas för att ändra konsumentbeteende, vilket är en av de viktigaste faktorerna för att minska påverkan på miljön. Till exempel utvecklar Oregon State University smart kompostkärl som använder datorseende för att spåra hur mycket ätbar mat konsumenter slänger. Medan avfall spåras noggrant i andra delar av jordbruket och livsmedelsförsörjningskedjorna, spåras konsumentavfall inte noggrant och förstås inte väl.

Det finns många skäl varför kompostering är den ultimata lösningen för att minska skräpet och plasten som blockerar deponier och bidrar till utsläpp av växthusgaser och andra miljö- och hälsorisker. Tekniken kan hjälpa komposteringen att gå några steg längre, vilket öppnar vägen för en mer lovande framtid för planeten och för mänskligheten.