TL;DR
- بازیافت هزینه زیادی برای دولتهای محلی دارد،.
- اما هوش مصنوعی میتواند به کمهزینهتر کردن این فرآیند کمک کند - بهطور بالقوه منجر به بازیافت بیشتر.
- میشود.
چه اتفاقی افتاد
بازیافت هزینه زیادی برای دولتهای محلی دارد،. اما هوش مصنوعی میتواند به کمهزینهتر کردن این فرآیند کمک کند - بهطور بالقوه منجر به بازیافت بیشتر.
میشود. تحقیقات NIST به دنبال آن است که بازیافت را کارآمدتر و کم هزینهتر کند.
اعتبار: ام. کینگ/NIST چه اتفاقی برای بازیافت پلاستیک شما میافتد، بعد از اینکه آن را در سطل زباله انداختید؟
بستگی به محل زندگی شما و چیستی آن پلاستیک دارد. جمع آوری بازیافت هزینه زیادی برای دولتهای محلی دارد.
آنها باید امکاناتی برای نگهداری پلاستیکها و همچنین کامیونها و سطلهای زباله برای جمع آوری. آنها داشته باشند.
دولتها نیز باید افرادی را برای انجام کار استخدام کنند. قرار دادن همه چیز در محل دفن زباله میتواند بسیار ارزانتر باشد.
با این حال،. وقتی دولتهای محلی بازیافت میکنند،.
اگر زیرساختهای مناسبی داشته باشند،. میتوانند زبالهها را به پول نقد تبدیل کنند.
آنها میتوانند با فروش پلاستیک جمع آوری شده به تولیدکنندگان، بخشی از هزینهها را جبران کنند. اکثر تولیدکنندگان پلاستیک بازیافتی میخواهند که تقریباً به خوبی پلاستیک کاملاً جدید باشد،.
اما برای ارائه یک محصول ثابت نیاز به مرتبسازی دقیق توسط بازیافتکنندگان دارد. مردم، همه پلاستیکها یکسان به نظر میرسند.
با این حال، کسانی که چشمان تیزبین دارند میدانند که هفت نوع پلاستیک معمولی وجود دارد. شما میتوانید آنها را با نماد بازیافت کوچک در پایین تقریباً همه ظروف پلاستیکی شناسایی کنید.
این اعداد به شناسایی مواد شیمیایی پشت آن پلاستیکها کمک میکند. ممکن است هنگام مرتب کردن بازیافت خود متوجه آنها شده باشید.
در زیر توضیحی درباره برخی از این مواد آورده شده است:. مواد استفادههای معمول بازیافت برچسب بطریهای پلی اتیلن ترفتالاتسودا،.
بطریهای آب قابل بازیافت 1 - PETE بطریهای پلی اتیلن شیر با چگالی بالا،. بطریهای مواد شوینده 2 - HDPEloridepipedenyls showing3 کیسههای مواد غذایی پلی اتیلن،.
کیسههای ساندویچ 4 - ظروف بیرون گیر پلی پروپیلن LDPE،. فنجانهای ماست 5 - فنجانهای قهوه یکبار مصرف PP پلی استایرن 6 - لیوانهای ایمنی.
PS،. دی وی دی،.
بسیاری از بطریهای آب قابل استفاده مجدد 7 - دیگر دسته بندی این پلاستیکها فوق العاده. مهم است.
پلاستیکهای مختلف با مقداری ویژگیهای مشابه اغلب نمیتوانند مخلوط شوند زیرا به روشهای ذوب. متفاوتی نیاز دارند.
برای مثال PVC را در نظر بگیرید. پی وی سی که در همه چیز از لوله کشی گرفته تا پرده پنجره استفاده میشود،.
در هنگام ذوب شدن،. اسیدی قوی با کاربردهای صنعتی فراوان ایجاد میکند.
اما مانند بسیاری از اسیدهای دیگر، این چیزی نیست که بخواهید در زمانی که انتظارش را ندارید بسازید. پلی الفینها،.
گروهی از پلاستیکها که شامل HDPE (مورد استفاده در بطریهای شیر)،. LDPE (مورد استفاده در کیسههای پلاستیکی) و PP (مورد استفاده در ظروف بیرون آوردن) هستند،.
یک مثال بسیار رام کننده هستند. این گروه از پلاستیکها حدود 40 درصد از تولید پلاستیک جهان را تشکیل میدهند.
آنها همچنین از سختترین دستهبندیها هستند. نوع پلاستیکی که در بطریهای شیر استفاده میشود به دلیل ساختار کریستالیاش به دمای بالا برای ذوب شدن.
و پردازش مجدد نیاز دارد. با این حال،.
اگر آلایندههای کیسههای پلاستیکی در مخلوط باشند،. کیسهها در آن دماهای بالا تخریب میشوند.
بنابراین،. اگر یک کیسه پلاستیکی وارد بازیافت شود،.
با یک بطری شیر،. میتواند منجر به یک بطری شیر زرد رنگ و ناخالص شود که هیچ کس نمیخواهد از.
آن بنوشد. این خطر پردازش یکی از دلایلی است که بعید به نظر میرسد بطریهای شیر ساخته شده از پلاستیکهای.
بازیافتی را ببینید. بهعلاوه،.
اگر برخی از مواد پایدار در دمای بالا از ظروف بیرونآوری به خط فرآیند کیسههای پلاستیکی ختم شوند،. احتمالاً ماشینهای گرفتگی را مشاهده خواهید کرد.
کارگران مرکز بازیافت کانتی مونتگومری مواد را برای بازیافت مرتب میکنند. ب.
سوتلیف/NIST از لحاظ تئوری،. شما میتوانید به راحتی زبالههای پلاستیکی را با استفاده از نماد بازیافت کوچک دسته بندی کنید.
سپس،. میتوانید آن پلاستیکهای طبقهبندی شده را به بازیافتکنندگان ثانویه بفروشید،.
که زبالههای طبقهبندی شده را به محصول تبدیل میکنند. قیمت به خلوص فرضی پلاستیک بستگی دارد.
یک عدل از بطریهای بزرگ و نارنجی مواد شوینده لباسشویی احتمالاً به قیمت بالایی فروخته میشود. زیرا انتخاب آن اقلام آسان است.
با این حال،. دستهای از ظروف بیرونبر میتوانند به راحتی ترکیبی از پلاستیک با رنگها یا مواد افزودنی مختلف داشته باشند.
در مرکز بازیافت محلی در شهرستان مونتگومری،. مریلند،.
مردم بطریهای مواد شوینده لباسشویی،. ظروف غذا و موارد دیگر را دستهبندی میکنند.
با این حال،. دست و چشم انسان فقط میتواند با این سرعت حرکت کند و اشتباهات در این سرعت آسان.
است. بنابراین،.
تسهیلات بازیافت بر دستهبندی پلاستیکهای با ارزش یا قابل شناسایی آسان تمرکز میکنند تا در آنچه که به. بازیافتکنندگان ثانویه میفروشند،.
سازگاری داشته باشند. یعنی بطریهای مواد شوینده و ظروف نوشیدنی با نرخ بالایی بازیافت میشوند.
«ظروف نقرهای» پلاستیکی و اسباببازیهای کودکان قدیمیاحتمالاً نیستند. برای کمک به طبقهبندی،.
کار ما در NIST بر استفاده از نور مادون قرمز نزدیک به مرئی (NIR) متمرکز شده است،. فناوری که میتواند به پلاستیکها نگاه کند و به سرعت به ما بگوید که چیست.
برخی از تجهیزات پیشرفته بازیافت در حال حاضر از چراغها یا دوربینهایی استفاده میکنند که با استفاده از. این رویکرد «دید» میکنند و بطریهای نوشابه را از لولههای PVC دستهبندی میکنند.
اما این سیستمها نمیتوانند همه چیز را مرتب کنند،. و تمرکز تحقیقات من ایجاد روشی برای کمک به دستهبندی پیچیدهترین پلاستیکها به گونهای است که برای بازیافتکنندگان.
سودآور باشد. و تصمیم گرفتیم آن را با کمک الگوریتمهای یادگیری ماشین و سایر تکنیکهای علمیبهبود بخشد.
برخی از مولکولها این مولکولها مقداری از انرژی آن نور را بر اساس طول موج جذب میکنند. و بقیه را منعکس یا منتقل میکنند.
یکی از راههای فکر کردن در مورد آن، گلها و رنگها است. بهعنوان مثال،.
هنگامیکه طول موجهای نور خورشید به یک گل رز قرمز میتابد،. گل رز در جذب هر طول موج/رنگی به جز رنگ قرمز عالی است.
نور قرمز از گلبرگها منعکس میشود و به همین دلیل است که گل رز برای ما قرمز به. نظر میرسد.
اگر بدانیم که چه رنگها و شدت نوری را به یک گل یا بطری پلاستیکی میتابانیم و چه. رنگها/شدتی را دریافت میکنیم،.
میتوانیم از تفاوت مانند اثر انگشت برای شناسایی تعداد بیشتری از آن گلها یا بطریها استفاده کنیم. براد ساتلیف، محقق NIST در آزمایشگاه خود در NIST.
Credit با نمونههای پلاستیکی کار میکند:. با استفاده از یادگیری ماشینی،.
میتوانیم اثر انگشت NIR را برای بسیاری از مواد پلاستیکی پیدا کنیم. سپس کامپیوتر را آموزش میدهیم تا پلاستیک را بر اساس شباهت سیگنال NIR جدید به سیگنالهای.
NIR سایر پلاستیکها شناسایی کند. این آموزش به فناوری کمک میکند مواد موجود در بطری نوشابه را شناسایی کند،.
بداند که این ماده با آرایش ظرف بیرونآوری متفاوت است،. و آنها را بر اساس آن جدا کند.
در اولین مقالهمان،. ما از یادگیری ماشینی برای اتصال سیگنالهای پلاستیکیمان با ویژگیهای خاصی مانند چگالی و کریستالی بودن پلی اتیلن.
استفاده کردیم. بهطور معمول، چگالی را با وزن کردن پلاستیک در مایعات مختلف و مقایسه تفاوت اندازهگیری میکنید.
این یک فرآیند بسیار آهسته و خسته کننده است. با این حال،.
ما نشان میدهیم که میتوانید از نور منعکس شده برای یافتن تقریباً همان اطلاعات استفاده کنید. - خیلی سریعتر.
و در خط بازیافت، زمان بسیار مهم است. شما میتوانید این رویکرد را برای بزرگ و کوچک اعمال کنید نمونهها نیز جالب است زیرا.
نشان میدهد که اگر موارد را با دقت تنظیم کنیم،. میتوانیم اطلاعات بیشتری را از این اندازهگیریهای مبتنی بر نور به دست آوریم.
این هنوز کار اولیهای است و هنوز برای همه انواع پلاستیکها اعمال نمیشود. بنابراین،.
اینطور نیست که بتوانیم به هر پلاستیکی نور بتابانیم و ویژگیهای دقیق آن را بدانیم،. اما شروعی هیجان انگیز است.
در صورتی که بتوانیم آن را افزایش دهیم،. میتواند زمان و تلاش زیادی برای بازیافتکنندگان و تولیدکنندگان صرفهجویی کند.
بر اساس شکل پلاستیک،. چه نمونه در گلوله باشد،.
چه پودر یا یک بطری،. در نهایت دادههایی با ظاهر بسیار متفاوت خواهید داشت.
این به این دلیل است که نور همچنان بازتاب میشود،. اما بسته به شکل پلاستیک در جهات مختلف منعکس میشود.
به بازتاب در یک روشن فکر کنید برکه در مقابل حوضچهای با امواج زیاد. سپس،.
میتوانید رنگها و مواد نگهدارندهای را اضافه کنید که پتانسیل تغییر واقعی سیگنال را دارند. این دادهها را اشتباه نمیکند، اما میتواند بر مرتبسازی تأثیر بگذارد.
به آن بهعنوان تفاوت بین مرتبسازی عکسهای سیاه و سفید افراد و مرتبسازی عکسهای سیاه و سفید،. عکسهای رنگی،.
کاریکاتور و نقاشیهای همان افراد فکر کنید. برای مبارزه با این،.
تیم تلاش کرده است مجموعه دادههای ما را گسترش دهد،. در حالی که من به اصلاحات ریاضی برای قرار دادن پودر،.
گلولهها و پلاستیکهای رنگی در یک زمین بازی نگاه میکنم. اگر بتوانیم این کار را انجام دهیم،.
استفاده از یادگیری ماشینی برای تشخیص اینکه کدام پلاستیک است،. بسیار آسانتر خواهد شد.
برای اینکه این تحقیق بهطور گسترده مفیدتر باشد،. من تلاش میکنم نشان دهم که میتوانیم پلی اولفینهای دردسرساز را مرتب کنیم.
با روشهای فعلی من، ما به دقت 95 تا 98 درصد هنگام مرتبسازی این پلاستیکها دست پیدا میکنیم. ما هستیم انجام این کار با فرآیندی که تقریباً هر تأسیسات بازیافت مجهز به NIR در صورت تمایل.
میتواند به سرعت شروع به استفاده از آن کند. بسیاری از تأسیسات بازیافت احتمالاً قبلاً از الگوریتمهای مشابهی استفاده میکنند،.
اما این کار سطح بیشتری از پالایش را ارائه میدهد که واقعاً بر روی پلیالفینهای سخت به مرتبسازی. متمرکز است.
اگر بتوانیم آنها را بهطور مؤثر مرتب کنیم، مشکلات بازیافتی بسیار کمیرا میتوانیم استفاده مجدد کنیم. سپس،.
امیدواریم که سود بتواند عادات بازیافتی بهتری را ایجاد کند و ما بتوانیم اقتصاد خطی خود را به. یک اقتصاد دایرهای تبدیل کنیم.
بازیافت بهعنوان یک معما به حل من یک حلال مشکل هستم و از یک معما به پازل بعدی. میروم.
علاوه بر تحقیقات پلیمری، من روی سیستمهای تحویل دارو برای سرطان تخمدان کار کرده ام. حل پازلهای پیچیده پایداری و مواد دوستدار زیستی موضوع خوبی در طول کار تحقیقاتی من بوده است.
ممکن است در ابتدا متوجه ارتباط بین تحقیقات زیست پزشکی و پلاستیک نباشید. اما سیستمهای دارورسانی میتوانند به ساخت مواد بسیار جالب با کاربردهای خارج از فضای پزشکی کمک کنند.
کار پلاستیک همچنین میتواند درک ما را از بدن ما در زمینههایی مانند DNA،. پروتئینها و کلاژن افزایش دهد.
و اکنون، با انفجار هوش مصنوعی، ما ابزارهای جدیدی برای انجام سریعتر و موثرتر تحقیقات مواد داریم. زمان بسیار هیجان انگیزی برای حضور در این فضای مواد پایدار است!
آینده تحقیقات مرتبسازی من در حال حاضر در حال اتمام قرارداد دو ساله خود با NIST هستم. و به دنبال معمای بعدی برای حل هستم.
با این حال،. قصد دارم بهعنوان یک همکار به NIST متصل بمانم تا به سایر محققان کمک کنم از تکنیکهای.
من استفاده کنند. امیدوارم بتوانم به تجزیه و تحلیل بیشتر دادهها و بهبود جامعه بازیافت کمک کنم.
بالا سیاره ما.
چرا مهم است
اهمیت این خبر در این است که روی استفاده واقعی از AI و تصمیمگیری سازمانی اثر میگذارد.
منبع
لینک منبع اصلی در کارت و صفحه مقاله نمایش داده میشود.