Wissenschaftler nutzen maschinelles Lernen, um abbaubare Kunststoffe von herkömmlichen Kunststoffen zu unterscheiden

Lebensmittelverpackungen, Kaffeetassen, Plastiktüten ... Plastik ist überall in unserem täglichen Leben zu sehen. In den letzten Jahren haben unter Anleitung nationaler Richtlinien und der Verbesserung des Umweltbewusstseins der Bewohner immer mehr Menschen damit begonnen, abbaubare Kunststoffprodukte zu verwenden.

Es ist nur schwierig, diese abbaubaren Kunststoffprodukte optisch von herkömmlichen Kunststoffen zu unterscheiden. Wenn der Recyclingprozess nicht gut durchgeführt wird, kann dies das Kunststoffrecycling verunreinigen und die Effizienz verringern.

Forscher des University College London (UCL) veröffentlichten in Frontiers in Sustainability einen Artikel, in dem sie maschinelles Lernen nutzten, um verschiedene Arten kompostierbarer, biologisch abbaubarer Kunststoffe automatisch zu klassifizieren und von herkömmlichen Kunststoffen zu unterscheiden.

Professor Mark Miodownik, korrespondierender Autor der Studie, sagte: „Die Genauigkeit ist sehr hoch und könnte diese Technologie in Zukunft für den Einsatz in industriellen Recycling- und Kompostierungsanlagen nutzbar machen.“

IT House erfuhr aus Berichten, dass Forscher künstliche Intelligenz nutzten, um Kunststoffmaterialien zwischen 5 mm mal 5 mm und 50 mm mal 50 mm zu klassifizieren.

Die in diesem Test getesteten traditionellen Kunststoffe bestehen hauptsächlich aus PP und PET (hauptsächlich für Lebensmittelbehälter und Getränkeflaschen); die kompostierbaren und biologisch abbaubaren Kunststoffproben bestehen hauptsächlich aus PLA und PBAT und werden für Becherdeckel, Teebeutel und Zeitschriften verwendet Verpackung.

Die Ergebnisse zeigen eine hohe Erfolgsquote: Das Modell erreicht eine perfekte Genauigkeit für alle Materialien, wenn die Probenmaße 10 mm x 10 mm überschreiten. Bei aus Zuckerrohr gewonnenem Material oder Palmblattmaterial mit Abmessungen von 10 mm x 10 mm oder weniger betrugen die Fehlklassifizierungsraten jedoch 20 % bzw. 40 %.

Bei der Betrachtung von Fragmenten der Größe 5 mm x 5 mm wurden einige Materialien zuverlässiger identifiziert als andere: Bei LDPE- und PBAT-Fragmenten betrug die Fehlklassifizierungsrate 20 %, bei zwei aus Biomasse gewonnenen Materialien lag die Fehlidentifizierungsrate bei 60 % (Zuckerrohr). . ) und 80 % (Palmblätter).

Das obige ist der detaillierte Inhalt vonWissenschaftler nutzen maschinelles Lernen, um abbaubare Kunststoffe von herkömmlichen Kunststoffen zu unterscheiden. Für weitere Informationen folgen Sie bitte anderen verwandten Artikeln auf der PHP chinesischen Website!