Berita pada 14 Mac, beg pembungkus makanan, cawan kopi, beg plastik..., plastik boleh dilihat di mana-mana dalam kehidupan seharian kita.
Cuma sukar untuk membezakan secara berkesan antara produk plastik terurai ini dan plastik tradisional jika proses kitar semula tidak dilakukan dengan baik, ia mungkin mencemarkan kitar semula plastik dan mengurangkan kecekapan.
Penyelidik dari University College London (UCL) menerbitkan kertas kerja dalam Frontiers in Sustainability Mereka menggunakan pembelajaran mesin untuk secara automatik mengklasifikasikan pelbagai jenis plastik boleh kompos, boleh terbiodegradasi dan Mereka dibezakan daripada plastik tradisional.
Profesor Mark Miodownik, pengarang kajian yang sepadan, berkata: "Ketepatannya sangat tinggi sehingga ia boleh menjadikan teknologi ini sesuai untuk digunakan dalam kemudahan kitar semula dan pengkomposan industri pada masa hadapan".
IT House mengetahui daripada laporan itu bahawa penyelidik menggunakan kecerdasan buatan untuk mengelaskan bahan plastik antara 5mm kali 5mm dan 50mm kali 50mm.
Plastik tradisional yang diuji dalam ujian ini kebanyakannya diperbuat daripada PP dan PET (terutamanya digunakan untuk bekas makanan dan botol minuman); Uncang teh dan pembungkusan majalah.
Keputusan menunjukkan kadar kejayaan yang tinggi: model mencapai ketepatan yang sempurna untuk semua bahan apabila sampel diukur melebihi 10 mm x 10 mm. Walau bagaimanapun, bagi bahan terbitan tebu atau bahan daun kelapa sawit dengan dimensi 10 mm x 10 mm atau lebih kecil, kadar salah klasifikasi masing-masing ialah 20% dan 40%.
Melihat serpihan berukuran 5mm x 5mm, beberapa bahan dikenal pasti dengan lebih dipercayai daripada yang lain: untuk serpihan LDPE dan PBAT, kadar salah klasifikasi ialah 20% untuk dua bahan terbitan biojisim, kadar salah klasifikasi ialah 20%; .60% (tebu) dan 80% (daun palma).
Atas ialah kandungan terperinci Para saintis menggunakan kecerdasan buatan untuk meningkatkan kitar semula plastik, membezakan plastik terurai daripada plastik tradisional. Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!