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

Världen har ett skräpproblem – och det blir värre för varje dag för varje dag. Avfall förväntas nå 3,4 miljarder ton per år globalt till 2050, upp från 2 miljarder 2016. Skräp är en stor bidragande faktor till klimatförändringar; deponier är en ledande källa till GHG-utsläpp. Och det är ännu värre om man kan hitta deponier; vissa stater börjar redan ta slut på utrymme.

Många ser på återvinning som en lösning på problemet med plastföroreningar, men återvinning lämnar mycket att önska, särskilt när det gäller plastförpackningar, den snabbast växande källan till skräp. Mer än 90% av all plast, “återvinningsbar” eller inte, hamnar i deponier, vilket ytterligare förvärrar vårt skräpproblem. Mycket av det hamnar som mikroplaster, vilket skapar ännu större miljö- och hälsorisker.

Detta kan inte fortsätta – och en lösning som kan hjälpa till att minska mängden skräp som proppar igen världen är en stor implementering av kompostering, särskilt för livsmedel och förpackningsmaterial. Idag har endast 27% av amerikanerna tillgång till komposteringsprogram. Detta måste förändras; och det börjar förändras: tillsammans med ökad offentlig investering i komposteringsinfrastruktur, spelar avancerad teknik, inklusive AI, en allt större roll för att göra kompostering mer effektiv och lättare att hantera komposterbara plaster; utveckla nya komposterbara material; och till och med hjälpa till att förändra konsumentbeteende.

AI och datorseende-baserad sorterings-teknik och robotkompostering

När lastbilar med avfall anländer till komposteringsanläggningar, måste innehållet sorteras, så att det inte finns några föroreningar, eftersom det kan störa komposteringsprocessen eller resultera i lågkvalitativ kompost. Denna sortering är ofta en manuell och dyr process. Men AI förändrar detta; utrustad med maskinseende, kan robotiska sorterare snabbt ta bort föroreningar från lastbilar med komposterbart avfall. Detta tillåter komposteringsanläggningar att ta emot mer avfall i allmänhet, och att spara på sorteringskostnader och tid. Till exempel, sedan staden San Antonio, Texas, började använda sådan robotisk sortering förra året, har den inte avvisat en enda lastbil med organiskt avfall; före detta system, avvisade komposteringsanläggningen avfall som sannolikt innehöll även små mängder föroreningar, eftersom det helt enkelt inte var värt att sortera.

Avancerad bildteknik kan också användas för att sortera avfall på allmänna anläggningar, identifiera komposterbara material och dirigera dem till rätt kanaler. Ett sätt att uppnå detta är genom digital vattenstämpel, där små vattenstämplar på förpackningar och andra konsumentartiklar läses av ett avancerat maskinseendesystem, som sedan automatiskt sorterar avfall i rätt ström. Dessa vattenstämplar är särskilt viktiga för att hjälpa fler komposterare att acceptera komposterbara plaster; eftersom de tillåter dem att snabbt skilja på komposterbara plaster och icke-komposterbara plaster, som ser mycket lika ut för det mänskliga ögat.

Digital vattenstämpel är en lösning som kräver samarbete över hela komposterbara förpackningsindustrin, samt från komposterare och lokala avfallshanteringssföretag som övervakar kompostering. Det kommer att fungera perfekt om tillverkare av sådana förpackningar kommer överens om att använda dessa märken, och komposterare har utrustningen för att läsa dem. Jag tror att det är möjligt.

Även utan digital vattenstämpel, finns det datorseende-AI-teknik som kan identifiera komposterbara material, inklusive plaster. Avancerad sorterings-teknik är särskilt viktig för att främja användningen av komposterbara plaster, eftersom den också kan dirigera komposterbara plaster till rätt komposteringsförhållanden, som ofta skiljer sig från de som krävs för livsmedel eller trädgårdsskräp, vilket gör det mer effektivt för komposterare. Till exempel har ett brittiskt team utvecklat ett sensorbaserat system som sorterar komposterbara material efter typ, komposteringskrav och den tid det tar att kompostera. Systemet använder en teknik som kallas hyperspektral avbildning (HSI), som använder avancerad avbildning för att undersöka avfall, analysera det med kemisk och fysisk analys. Maskinlärning tillämpas på inkommande avfall, med systemet förbättrar sin sorteringsförmåga allteftersom nytt avfall kommer in i systemet – till den grad att systemet har en noggrannhetsgrad på 99%, med alla komposterbara material som bearbetas på det mest effektiva sättet.

Att påskynda kompostering och upptäcka nya komposterbara material

När det gäller komposteringsprocessen i sig, kan sensorer, tillsammans med AI-baserat maskinseende, också övervaka förhållanden som värme och fukt, säkerställa att de är idealiska för att främja komposteringsprocessen, och göra justeringar på plats för att säkerställa snabbare och högkvalitativ kompostering. AI kan förutsäga när kompost ska vara klar, en annan viktig faktor är att göra processen mer effektiv och producera en produkt av konstant kvalitet, och viktigt när man vänder sig till jordbrukare som kommer att köpa denna slutprodukt.

Naturligtvis ligger allt detta till grund för framstegen inom komposterbara plaster, ett område där AI och maskinlärning kan göra en viktig insats. Enligt forskare finns det fortfarande mycket att upptäcka om förhållandet mellan polymerer, som utgör plaster, och biologisk nedbrytning. Maskinlärning kan hjälpa till att påskynda analysen och klassificeringen av befintliga polymerer och utveckla nya polymerer. Att utöka biblioteket av tillgängliga polymerer för komposterbara förpackningar är avgörande, eftersom det kommer att möjliggöra lägre kostnader, samt fler valmöjligheter för förpackningens egenskaper. Till exempel, som vi förstår väl från vårt eget arbete, kan vissa varumärken behöva förpackningar som har en högre barriär än andra. Vi integrerar också en design av experiment och AI-hanteringssystem för att hjälpa till att påskynda forskning och utveckling och anpassning av olika förpackningsprodukter för att bäst möta konsumenternas behov, samt kraven på komposterbarhet.

Fördelarna med avancerad teknik sträcker sig bortom förpackningar. AI och datorseende kan också hjälpa till att skapa dataset om hur mycket mat konsumenter slösar bort. Detta kan användas för att förändra konsumentbeteende, som är en av de viktigaste faktorerna för att minska miljöpåverkan. Till exempel utvecklar Oregon State University smarta komposteringsbehållare som använder datorseende för att spåra hur mycket ätbart livsmedel konsumenter slösar bort. Medan avfall noggrant spåras i andra delar av jordbruks- och livsmedelsförsörjningskedjor, spåras konsumentavfall inte noggrant och är inte väl förstått.

Det finns många skäl till varför kompostering är den ultimata lösningen för att minska mängden skräp och plast som proppar igen deponier och bidrar till växthusgasutsläpp, samt andra miljö- och hälsorisker. Teknologi kan hjälpa kompostering att ta ett steg framåt, vilket öppnar vägen till en mer lovande framtid för planeten och för mänskligheten.