L’apprentissage automatique aide les chercheurs à séparer les déchets plastiques compostables des déchets plastiques conventionnels avec une précision « très élevée »
L’apprentissage automatique aide les chercheurs à séparer les déchets plastiques compostables des déchets plastiques conventionnels avec une précision « très élevée »

Plastique
Crédit : domaine public Unsplash/CC0

Les plastiques jetables sont partout : contenants alimentaires, gobelets à café, sacs en plastique. Certains de ces plastiques, appelés plastiques compostables, peuvent être conçus pour se biodégrader dans des conditions contrôlées. Cependant, ils semblent souvent identiques aux plastiques conventionnels, sont recyclés de manière incorrecte et, par conséquent, contaminent les flux de déchets plastiques et réduisent l'efficacité du recyclage. De même, les plastiques recyclables sont souvent confondus avec des plastiques compostables, ce qui entraîne un compost pollué.

Des chercheurs de l'University College London (UCL) ont publié un article dans Frontières de la durabilité dans lequel ils ont utilisé l'apprentissage automatique pour trier automatiquement différents types de plastiques compostables et biodégradables et les différencier des plastiques conventionnels.

"La précision est très élevée et permet à la technique d'être utilisée de manière réaliste dans les installations industrielles de recyclage et de compostage à l'avenir", a déclaré le professeur Mark Miodownik, auteur correspondant de l'étude.

Jusqu'à une précision parfaite

Les chercheurs ont travaillé avec différents types de plastiques mesurant entre 50 mm sur 50 mm et 5 mm sur 5 mm. Les échantillons de plastique conventionnel comprenaient le PP et le PET, souvent utilisés pour les contenants alimentaires et les bouteilles, ainsi que le LDPE, utilisé, entre autres, pour les sacs et emballages en plastique. Les échantillons de plastique compostable comprenaient du PLA et du PBAT, utilisés pour les couvercles de gobelets, les sachets de thé et les emballages de magazines ; ainsi que la feuille de palmier et la canne à sucre, deux matériaux dérivés de la biomasse utilisés pour produire des emballages. Les échantillons ont été divisés en un ensemble d'apprentissage, utilisé pour construire des modèles de classification ; et un ensemble de test, utilisé pour vérifier l'exactitude.

Les résultats ont montré des taux de réussite élevés : le modèle a atteint une précision parfaite pour tous les matériaux lorsque les échantillons mesuraient plus de 10 mm sur 10 mm. Cependant, pour les matériaux dérivés de la canne à sucre ou à base de feuilles de palmier mesurant 10 mm sur 10 mm ou moins, le taux d'erreur de classification était de 20 % et 40 %, respectivement.

En examinant les pièces mesurant 5 mm sur 5 mm, certains matériaux ont été identifiés de manière plus fiable que d'autres : pour les pièces en LDPE et PBAT, le taux d'erreur de classification était de 20 % ; et les deux matériaux dérivés de la biomasse ont été mal identifiés à des taux de 60 % (canne à sucre) et 80 % (feuille de palmier). Le modèle a cependant été en mesure d'identifier les pièces de PLA, PP et PET sans erreur, quelles que soient les mesures de l'échantillon.

Au-delà du visible

"Actuellement, la plupart des plastiques compostables sont traités comme des contaminants dans le recyclage des plastiques conventionnels, ce qui réduit leur valeur. Le tri par trommel et par densité est appliqué pour filtrer le compost et réduire la présence d'autres matériaux. Cependant, le niveau de contaminants du processus de filtrage actuel est inacceptable », a expliqué Miodownik. "Les avantages des emballages compostables ne se concrétisent que lorsqu'ils sont compostés industriellement et qu'ils ne pénètrent pas dans l'environnement ou ne polluent pas d'autres flux de déchets ou le sol."

Pour améliorer la précision, une équipe de scientifiques comprenant Nutcha Teneepanichskul, le professeur Helen Hailes et Miodownik du Plastic Waste Innovation Hub de l'UCL a testé différents types de plastiques conventionnels, compostables et biodégradables, en utilisant l'imagerie hyperspectrale (HSI) pour le développement de modèles de classification. HSI est une technique d'imagerie qui détecte la signature chimique invisible de différents matériaux tout en les scannant, produisant une description chimique pixel par pixel d'un échantillon. Des modèles d'IA ont été utilisés pour interpréter ces descriptions et faire une identification matérielle.

La mauvaise gestion du plastique dans les processus de recyclage et de compostage industriel est élevée, ce qui rend indispensables des mécanismes de tri fiables. "Actuellement, la vitesse d'identification est trop faible pour une mise en œuvre à l'échelle industrielle", a souligné Miodownik. Cependant, "nous pouvons et allons l'améliorer car le tri automatique est une technologie clé pour faire des plastiques compostables une alternative durable au recyclage".

Plus d'information: L'apprentissage automatique aide les chercheurs à séparer les déchets plastiques compostables des déchets plastiques conventionnels avec une précision "très élevée", Frontières de la durabilité (2023). DOI : 10.3389/frsus.2023.1125954 , www.frontiersin.org/articles/1 … us.2023.1125954/full

Citation: L'apprentissage automatique aide les chercheurs à séparer les déchets plastiques compostables des déchets plastiques conventionnels avec une précision «très élevée» (2023, 14 mars) récupéré le 14 mars 2023 sur

Ce document est soumis au droit d'auteur. En dehors de toute utilisation loyale à des fins d'étude ou de recherche privée, aucune partie ne peut être reproduite sans l'autorisation écrite. Le contenu est fourni seulement pour information.




Source

Laisser un commentaire

Votre adresse e-mail ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Scroll to Top