Precisión “muy alta”

Por Fronteras22 de marzo de 2023

Los investigadores utilizaron técnicas de obtención de imágenes de alta sensibilidad y desarrollaron métodos de aprendizaje automático que pueden identificar los plásticos compostables entre los tipos convencionales.

El uso de plásticos compostables está aumentando y, si bien ofrecen varios beneficios, estos materiales, como envoltorios y embalajes, pueden mezclarse con los desechos plásticos tradicionales y contaminarlos durante el reciclaje. Para abordar este problema, los científicos han empleado técnicas de imagen avanzadas y han creado algoritmos de aprendizaje automático capaces de distinguir los plásticos compostables de los convencionales.

Los plásticos desechables están en todas partes de nuestras vidas y aparecen en diversas formas, como recipientes de comida, tazas de café y bolsas de plástico. Aunque ciertos plásticos están diseñados para biodegradarse en condiciones controladas, siguen siendo problemáticos ya que a menudo se parecen a los plásticos tradicionales. Cuando estos plásticos compostables se reciclan incorrectamente, pueden contaminar los flujos de desechos plásticos, lo que lleva a una reducción en la eficiencia del reciclaje. Además, los plásticos reciclables a menudo se confunden con los compostables, lo que da como resultado un abono contaminado.

Researchers at University College London (UCL) have published a paper in Frontiers in Sustainability in which they used machine learningMachine learning is a subset of artificial intelligence (AI) that deals with the development of algorithms and statistical models that enable computers to learn from data and make predictions or decisions without being explicitly programmed to do so. Machine learning is used to identify patterns in data, classify data into different categories, or make predictions about future events. It can be categorized into three main types of learning: supervised, unsupervised and reinforcement learning." data-gt-translate-attributes="[{"attribute":"data-cmtooltip", "format":"html"}]">aprendizaje automático para clasificar automáticamente diferentes tipos de plásticos compostables y biodegradables y diferenciarlos de los plásticos convencionales.

“The accuracyHow close the measured value conforms to the correct value." data-gt-translate-attributes="[{"attribute":"data-cmtooltip", "format":"html"}]">La precisión es muy alta y permite que la técnica se utilice de manera factible en instalaciones de reciclaje y compostaje industrial en el futuro”, afirmó el profesor Mark Miodownik, autor correspondiente del estudio.

Los investigadores trabajaron con diferentes tipos de plásticos que medían entre 50 mm por 50 mm y 5 mm por 5 mm. Las muestras de plástico convencionales incluían PP y PET, utilizados a menudo para envases de alimentos y botellas de bebidas, así como LDPE, utilizado, entre otras cosas, para bolsas y embalajes de plástico. Las muestras de plástico compostable incluyeron PLA y PBAT, utilizados para tapas de tazas, bolsitas de té y envoltorios de revistas; así como la hoja de palma y la caña de azúcar, ambos materiales derivados de la biomasa utilizados para producir envases. Las muestras se dividieron en un conjunto de entrenamiento, utilizado para crear modelos de clasificación, y un conjunto de prueba, utilizado para comprobar la precisión.

Los resultados mostraron altas tasas de éxito: el modelo logró una precisión perfecta para todos los materiales cuando las muestras midieron más de 10 mm por 10 mm. Sin embargo, para los materiales derivados de la caña de azúcar o de la hoja de palma que miden 10 mm por 10 mm o menos, la tasa de clasificación errónea fue del 20% y el 40%, respectivamente.

Al observar piezas que medían 5 mm por 5 mm, algunos materiales se identificaron de manera más confiable que otros: para las piezas de LDPE y PBAT, la tasa de clasificación errónea fue del 20 %; y ambos materiales derivados de la biomasa fueron identificados erróneamente en tasas del 60% (caña de azúcar) y del 80% (hoja de palma). Sin embargo, el modelo pudo identificar piezas de PLA, PP y PET sin errores, independientemente de las medidas de la muestra.

“Actualmente, la mayoría de los plásticos compostables se tratan como contaminantes en el reciclaje de plásticos convencionales, reduciendo su valor. El trómel y la clasificación por densidad se aplican para filtrar el compost y reducir la presencia de otros materiales. Sin embargo, el nivel de contaminantes del actual proceso de detección es inaceptablemente alto”, explicó Miodownik. "Las ventajas de los envases compostables sólo se obtienen cuando se compostan industrialmente y no ingresan al medio ambiente ni contaminan otras corrientes de desechos ni el suelo".

Para mejorar la precisión, un equipo de científicos, incluido Nutcha Teneepanichskul, la profesora Helen Hailes y Miodownik del Plastic Waste Innovation Hub de la UCL, probaron diferentes tipos de plásticos convencionales, compostables y biodegradables, utilizando imágenes hiperespectrales (HSI) para el desarrollo de modelos de clasificación. HSI es una técnica de imágenes que detecta la firma química invisible de diferentes materiales mientras los escanea, produciendo una descripción química píxel por píxel de una muestra. Se utilizaron modelos de IA para interpretar estas descripciones y realizar una identificación material.

La mala gestión del plástico en los procesos de reciclaje y compostaje industrial es elevada, lo que hace esenciales mecanismos de clasificación fiables. "Actualmente, la velocidad de identificación es demasiado baja para implementarla a escala industrial", señaló Miodownik. Sin embargo, “podemos mejorarlo y lo haremos, ya que la clasificación automática es una tecnología clave para hacer de los plásticos compostables una alternativa sostenible al reciclaje”.

Referencia: “Identificación y clasificación automática de plásticos compostables y biodegradables mediante imágenes hiperespectrales” por Nutcha Taneepanichskul, Helen C. Hailes y Mark Miodownik, 14 de marzo de 2023, Frontiers in Sustainability.DOI: 10.3389/frsus.2023.1125954