A reciclagem pode ser uma despesa significativa para governos locais, mas a IA pode ajudar a cortar esses custos e potencialmente aumentar as taxas de reciclagem. Pesquisadores do NIST estão trabalhando para tornar a reciclagem mais eficiente e menos dispendiosa.
Já se perguntou o que acontece com o seu plástico depois de jogá-lo na “lixeira de reciclagem”?
Essa questão tem aparecido muito nas notícias ultimamente.
A resposta é bem complexa. Depende de onde você mora e que tipo de plástico você jogou fora.
Coletar recicláveis é um custo enorme para os governos locais. Eles precisam manter instalações para processar plásticos, bem como caminhões e lixeiras para coletá-los. Eles também precisam contratar pessoas para fazer o trabalho. Seria muito mais barato simplesmente despejar tudo em aterros sanitários.
No entanto, quando os governos locais reciclam, eles podem transformar lixo em dinheiro se tiverem a infraestrutura certa. Eles podem compensar alguns custos vendendo plásticos coletados de volta aos fabricantes. A maioria dos fabricantes quer que os plásticos reciclados sejam quase tão bons quanto novos, o que requer uma triagem cuidadosa para fornecer produtos consistentes.
Para a maioria das pessoas, todos os plásticos parecem iguais. Mas olhos atentos sabem que há sete tipos comuns de plástico. Você pode identificá-los pelos pequenos símbolos de reciclagem no fundo de quase todos os recipientes de plástico. Esses números ajudam a identificar a composição química desses plásticos. Você pode tê-los notado ao separar sua própria reciclagem.
Aqui está uma análise de alguns desses materiais:
| Material | Usos comuns | Código de Reciclagem |
|---|---|---|
| Polietileno Tereftalato | Garrafas de refrigerante, garrafas de água | 1 – PETE |
| Polietileno de alta densidade | Jarros de leite, garrafas de detergente | 2 – PEAD |
| Cloreto de polivinila | Tubos, cortinas de chuveiro | 3 – PVC |
| Polietileno de baixa densidade | Sacolas de compras, sacos para sanduíches | 4 – PEBD |
| Polipropileno | Recipientes para viagem, copos de iogurte | 5 – PP |
| Poliestireno | Copos de café descartáveis | 6 – PS |
| Outro | Óculos de segurança, DVDs, muitas garrafas de água reutilizáveis | 7 – Outros |
A triagem desses plásticos é crucial. Diferentes tipos de plástico com características semelhantes muitas vezes não podem ser misturados porque eles exigem diferentes processos de derretimento.
Tome o PVC, por exemplo. Ele é usado em tudo, de canos a cortinas de chuveiro. O PVC derretido produz um ácido forte útil em muitas aplicações industriais. Mas, como muitos outros ácidos, não é algo que você queira fazer inesperadamente.
Poliolefinas, um grupo de plásticos que inclui HDPE (usado em jarras de leite), LDPE (usado em sacos plásticos) e PP (usado em recipientes para viagem), fornecem um exemplo mais brando. Esses plásticos compõem cerca de 40% da produção mundial de plástico. Eles também são alguns dos mais difíceis de classificar.
O tipo de plástico usado em jarras de leite requer altas temperaturas para derreter e reprocessar devido à sua estrutura cristalina. No entanto, se contaminantes de sacolas plásticas forem misturados, essas sacolas se degradam nessas altas temperaturas. Então, se uma sacola plástica for misturada com jarras de leite, isso pode resultar em um lote de jarras de leite descoloridas e inutilizáveis. Esse risco de processamento é uma das razões pelas quais você não vê muitas jarras de leite feitas de plástico reciclado.
Além disso, se alguns materiais estáveis em alta temperatura de recipientes para viagem acabarem em uma linha de processamento de sacos plásticos, você poderá ver entupimentos na máquina.
Trabalhadores do Centro de Reciclagem do Condado de Montgomery separam materiais para reciclagem.
Em teoria, você pode facilmente separar resíduos plásticos usando os pequenos símbolos de reciclagem. Então, você pode vender esses plásticos separados para recicladores secundários, que os transformam em produtos.
O preço depende da suposta pureza do plástico. Um grande maço de garrafas de detergente laranja pode ser vendido por um preço alto porque são fáceis de escolher. No entanto, uma pilha de recipientes para viagem pode facilmente ser misturada com várias cores ou aditivos.
Na unidade de reciclagem local no Condado de Montgomery, Maryland, as pessoas separam manualmente garrafas de detergente, recipientes de alimentos e muito mais. No entanto, mãos e olhos só conseguem se mover até certo ponto, e é fácil cometer erros nessa velocidade. Então, as unidades de reciclagem se concentram em separar plásticos de alto valor ou fáceis de identificar para manter a consistência ao vender para recicladores secundários. Isso significa que garrafas de detergente e recipientes de bebidas são reciclados em altas taxas. Seus "talheres" de plástico e brinquedos velhos de crianças podem não ser.
Para auxiliar na triagem, nosso trabalho no NIST tem se concentrado no uso de luz Near Infrared (NIR), uma tecnologia que pode identificar rapidamente diferentes plásticos. Algumas das principais instalações de reciclagem já usam luzes ou câmeras para "ver" e classificar garrafas de refrigerante de canos de PVC.
Mas esses sistemas não conseguem separar tudo. Minha pesquisa se concentra em criar um método para ajudar a separar os plásticos mais desafiadores para que os recicladores possam lucrar.
Como estamos tornando a reciclagem mais eficiente
Com isso em mente, nossa equipe analisou esse método NIR e decidiu melhorá-lo com algoritmos de aprendizado de máquina e outras técnicas científicas.
Na espectroscopia infravermelha, você projeta diferentes comprimentos de onda de luz sobre algumas moléculas. Essas moléculas absorvem parte da energia da luz em comprimentos de onda específicos e refletem ou transmitem o resto.
Uma maneira de pensar sobre isso é com flores e cores. Por exemplo, quando muitos comprimentos de onda de luz do sol brilham em uma rosa vermelha, a rosa é muito boa em absorver todos os comprimentos de onda/cores, exceto o vermelho. A luz vermelha reflete nas pétalas, e é por isso que a rosa parece vermelha para nós.
Se soubermos a cor e a intensidade da luz que incide sobre uma flor ou garrafa de plástico e a cor/intensidade que recebemos, podemos usar as diferenças para identificar mais dessas flores ou garrafas, como uma impressão digital.
Usando aprendizado de máquina, podemos encontrar as impressões digitais NIR de muitos materiais plásticos. Então, “treinamos” computadores para identificar plásticos com base em novos sinais NIR em comparação com os sinais NIR de outros plásticos. Esse treinamento ajuda a tecnologia a reconhecer materiais em garrafas de refrigerante, entender como eles diferem de recipientes para viagem e separá-los adequadamente.
Em nosso primeiro artigo, usamos aprendizado de máquina para conectar nossos sinais de plástico a certas propriedades (como quão denso e cristalino o polietileno é). Normalmente, você mede a densidade pesando o plástico em diferentes líquidos e comparando as diferenças. É um processo muito lento e tedioso.
No entanto, mostramos que você pode encontrar quase a mesma informação usando luz refletida — muito mais rápido. Em uma linha de reciclagem, o tempo é crucial.
Você pode aplicar esse método a amostras grandes e pequenas. Isso é legal porque mostra que, se configurarmos as coisas cuidadosamente, podemos obter mais informações dessas medições baseadas em luz.
Este ainda é um trabalho muito preliminar e não se aplica a todos os tipos de plásticos ainda. Então, não podemos simplesmente lançar luz sobre qualquer plástico e saber suas propriedades exatas, mas é um começo empolgante. Se pudermos aumentar a escala, isso pode economizar muito tempo e esforço para recicladores e fabricantes em etapas de controle de qualidade.
Desde que publiquei este trabalho, tenho me aprofundado em como lidar com todos os dados dessas medições. Você acaba com dados muito diferentes com base no formato do plástico e se a amostra é um pellet, pó ou garrafa.
Isso ocorre porque a luz ainda reflete, mas reflete em direções diferentes dependendo do formato do plástico. Imagine os reflexos em um lago claro versus um lago com muitas ondulações. Então, você pode adicionar pigmentos e conservantes que podem realmente mudar o sinal. Isso não torna os dados errados, mas pode afetar a classificação. Você pode pensar nisso como categorizar fotos de pessoas em preto e branco versus as mesmas pessoas em preto e branco, coloridas, histórias em quadrinhos e pinturas.
Para lidar com isso, a equipe vem expandindo nosso conjunto de dados, e estou buscando soluções matemáticas para colocar pós, pellets e plásticos coloridos no mesmo campo de jogo. Se pudermos fazer isso, identificar qual plástico é qual usando aprendizado de máquina se torna mais fácil.
Para tornar esta pesquisa mais amplamente útil, estou trabalhando para mostrar que podemos classificar essas poliolefinas complicadas. Usando meu método atual, alcançamos uma precisão de 95% a 98% na classificação desses plásticos. Estamos fazendo isso com processos que quase qualquer instalação de reciclagem equipada com NIR pode começar a usar rapidamente.
Muitas instalações de reciclagem podem já estar usando algoritmos semelhantes, mas este trabalho fornece um nível extra de refinamento, focando especificamente em poliolefinas difíceis de classificar.
Se pudermos efetivamente separá-los, podemos reutilizá-los com menos problemas de processamento, tornando a reciclagem mais lucrativa. Então, esperançosamente, os lucros podem gerar melhores hábitos de reciclagem, e podemos começar a transformar nossa economia linear em uma circular.
A reciclagem como um quebra-cabeça a ser resolvido
Sou um solucionador de problemas, pulando de um quebra-cabeça para outro.
Além da pesquisa com polímeros, trabalhei em sistemas de administração de medicamentos para câncer de ovário e agora estou usando inteligência artificial (IA) e aprendizado de máquina.
Adoro fazer o bem enquanto resolvo problemas complexos. Sustentabilidade e materiais bioamigáveis têm sido um lindo tema ao longo da minha carreira de pesquisa.
Você pode não ver inicialmente a conexão entre pesquisa biomédica e plásticos. Mas sistemas de administração de medicamentos podem ajudar a criar materiais realmente legais com aplicações além da medicina. O trabalho com plástico também pode melhorar nossa compreensão do DNA, proteínas e colágeno em nossos corpos.
Agora, com a explosão da IA, temos novas ferramentas para fazer pesquisa de materiais de forma mais rápida e eficiente. É um momento emocionante no campo de materiais sustentáveis!
O futuro de Classificação Pesquisar
Atualmente, estou concluindo um contrato de dois anos no NIST e procurando o próximo quebra-cabeça a ser resolvido.
No entanto, pretendo permanecer conectado ao NIST como afiliado para ajudar outros pesquisadores a usar minhas técnicas.
Espero ajudar a comunidade de reciclagem em geral a usar a análise de dados para melhorar nossa reciclagem e ajudar a limpar nosso planeta.
Portuguese 
English 
Arabic 
Dutch 
German 
French 
Spanish 
Polish 
Croatian