一次性塑料无处不在：食品容器、咖啡杯、塑料袋。其中一些塑料称为可堆肥塑料，可以设计为在受控条件下生物降解。然而，它们通常看起来与传统塑料相同，回收不当，结果污染了塑料废物流并降低了回收效率。同样，可回收塑料经常被误认为是可堆肥塑料，导致堆肥污染。
伦敦大学学院 (UCL) 的研究人员在Frontiers in Sustainability上发表了一篇论文，其中他们使用机器学习自动对不同类型的可堆肥和可生物降解塑料进行分类，并将它们与传统塑料区分开来。
该研究的作者 Mark Miodownik 教授说：“准确性非常高，可以使该技术在未来切实可行地用于工业回收和堆肥设施。”
准确性
研究人员使用了不同类型的塑料，尺寸在 50 X 50 毫米到 5 X 5 毫米之间。传统的塑料样品包括 PP 和 PET，通常用于食品容器和饮料瓶，以及 LDPE，除其他外，用于塑料袋和包装。可堆肥塑料样品包括 PLA 和 PBAT，用于杯盖、茶包和杂志包装；以及棕榈叶和甘蔗，这两种生物质衍生材料都用于生产包装。样本分为训练集和测试集，前者用于构建分类模型，后者用于检查准确性。
结果表明成功率很高：当样品测量值超过 10 x 10 毫米时，该模型对所有材料都达到了完美的精度。然而，对于尺寸为 10 x 10 毫米或更小的甘蔗衍生材料或棕榈叶材料，误分类率分别为 20% 和 40%。
查看尺寸为 5x 5毫米 的碎片，一些材料的识别比其他材料更可靠：对于 LDPE 和 PBAT 碎片，错误分类率为 20%；两种生物质衍生材料的错误识别率分别为 60%（甘蔗）和 80%（棕榈叶）。然而，无论样品测量如何，该模型都能够无误地识别 PLA、PP 和 PET 部件。
超越可见
“目前，大多数可堆肥塑料在传统塑料的回收过程中被视为污染物，从而降低了它们的价值。滚筒筛和密度分选用于筛选堆肥并减少其他材料的存在。然而，当前筛选过程中的污染物水平高得令人无法接受，”Miodownik 解释说。“可堆肥包装的优势只有在它们经过工业堆肥并且不会进入环境或污染其他废物流或土壤时才能实现。”
为了提高准确性，包括来自 UCL 塑料废物创新中心的 Nutcha Teneepanichskul、Helen Hailes 教授和 Miodownik 在内的科学家团队使用高光谱成像 (HSI) 进行分类模型开发，测试了不同类型的传统、可堆肥和可生物降解塑料。HSI 是一种成像技术，可在扫描不同材料时检测其不可见的化学特征，从而生成样品的逐像素化学描述。人工智能模型被用来解释这些描述并进行材料识别。
回收和工业堆肥过程中塑料管理不善的情况很严重，因此可靠的分类机制必不可少。“目前，识别速度太低，无法在工业规模上实施，”Miodownik 指出。然而，“我们可以而且将会改进它，因为自动分类是使可堆肥塑料成为回收的可持续替代品的关键技术。”
