«Точность очень высока и позволяет в будущем использовать этот метод в промышленных предприятиях по переработке и компостированию». (профессор Марк Миодовник, автор исследования)
- Подробнее об исследовании в статье журнала Frontiers in Sustainability (2023) https://www.frontiersin.org/articles/10.3389/frsus.2023.1125954/full
Подборки разделили на обучения нейросети и тестовый набор для проверки точности.
Результаты тестирования показали высокие показатели: модель достигла идеальной точности для всех материалов, когда размеры образцов превышали 10 мм на 10 мм. Однако для материалов, полученных из сахарного тростника или пальмовых листьев, размером 10 мм на 10 мм или меньше, уровень ошибочной классификации составил 20% и 40% соответственно.
Однако модель смогла безошибочно идентифицировать детали из PLA, PP и PET, независимо от размеров образца.
«Сегодня большинство компостируемых пластиков рассматриваются как загрязнители при переработке обычных пластиков, что снижает их ценность. Для просеивания компоста и уменьшения присутствия других материалов применяются барабанная сортировка. Однако уровень загрязняющих веществ в текущем процессе просеивания очень высок. Преимущества компостируемой упаковки реализуются только тогда, когда они компостируются в промышленных масштабах и не попадают в окружающую среду и не загрязняют другие потоки отходов или почву». ( Марк Миодовник)
Неправильное обращение с пластиком в процессе переработки и промышленного компостирования велико, поэтому необходимы надежные механизмы сортировки.
«Сейчас скорость идентификации слишком мала для реализации в промышленных масштабах. Однако мы можем и будем улучшать его, поскольку автоматическая сортировка является ключевой технологией, позволяющей сделать компостируемые пластмассы устойчивой альтернативой переработке». (Марк Миодовник)