Maschinelles Lernen hilft Forschern dabei, kompostierbare Abfälle mit „sehr hoher“ Genauigkeit von herkömmlichen Kunststoffabfällen zu trennen

Einwegkunststoffe sind überall: Lebensmittelbehälter, Kaffeebecher, Plastiktüten. Einige dieser Kunststoffe, sogenannte kompostierbare Kunststoffe, können so konstruiert werden, dass sie unter kontrollierten Bedingungen biologisch abgebaut werden. Sie sehen jedoch oft genauso aus wie herkömmliche Kunststoffe, werden falsch recycelt und kontaminieren dadurch Kunststoffabfallströme und verringern die Recyclingeffizienz. Ebenso werden recycelbare Kunststoffe oft mit kompostierbaren verwechselt, was zu verschmutztem Kompost führt.

Forscher des University College London (UCL) haben eine Studie veröffentlicht Grenzen der Nachhaltigkeit Dabei nutzten sie maschinelles Lernen, um verschiedene Arten von kompostierbaren und biologisch abbaubaren Kunststoffen automatisch zu sortieren und von herkömmlichen Kunststoffen zu unterscheiden.

„Die Genauigkeit ist sehr hoch und ermöglicht es, die Technik zukünftig in industriellen Recycling- und Kompostierungsanlagen einzusetzen“, sagte Prof. Mark Miodownik, korrespondierender Autor der Studie.

Bis zur perfekten Genauigkeit

Die Forscher arbeiteten mit verschiedenen Arten von Kunststoffen, die zwischen 50 mm x 50 mm und 5 mm x 5 mm groß waren. Herkömmliche Kunststoffproben waren PP und PET, die häufig für Lebensmittelbehälter und Trinkflaschen verwendet werden, sowie LDPE, das unter anderem für Plastiktüten und -verpackungen verwendet wird. Zu den kompostierbaren Kunststoffproben gehörten PLA und PBAT, die für Becherdeckel, Teebeutel und Zeitschriftenverpackungen verwendet wurden; sowie Palmblatt und Zuckerrohr, beides aus Biomasse gewonnene Materialien, die zur Herstellung von Verpackungen verwendet werden. Die Proben wurden in einen Trainingssatz unterteilt, der zum Erstellen von Klassifizierungsmodellen verwendet wurde; und ein Testset, das zur Überprüfung der Genauigkeit verwendet wird.

Die Ergebnisse zeigten hohe Erfolgsquoten: Das Modell erreichte eine perfekte Genauigkeit für alle Materialien, wenn die Proben mehr als 10 mm x 10 mm maßen. Bei aus Zuckerrohr oder Palmblättern gewonnenen Materialien mit einer Größe von 10 mm x 10 mm oder weniger betrug die Fehlklassifikationsrate jedoch 20 % bzw. 40 %.

Bei Stücken mit einer Größe von 5 mm x 5 mm wurden einige Materialien zuverlässiger identifiziert als andere: Bei LDPE- und PBAT-Stücken betrug die Fehlklassifizierungsrate 20 %; und beide aus Biomasse gewonnenen Materialien wurden mit Raten von 60 % (Zuckerrohr) und 80 % (Palmblatt) falsch identifiziert. Das Modell war jedoch in der Lage, PLA-, PP- und PET-Stücke unabhängig von Probenmessungen fehlerfrei zu identifizieren.

Jenseits des Sichtbaren

„Gegenwärtig werden die meisten kompostierbaren Kunststoffe beim Recycling herkömmlicher Kunststoffe als Verunreinigung behandelt, wodurch ihr Wert verringert wird. Trommel- und Dichtesortierung werden zum Sieben von Kompost angewendet und reduzieren das Vorhandensein anderer Materialien. Der Grad der Verunreinigungen aus dem aktuellen Siebprozess ist jedoch geringer unannehmbar hoch ist“, erklärte Miodownik. „Die Vorteile kompostierbarer Verpackungen kommen erst zum Tragen, wenn sie industriell kompostiert werden und nicht in die Umwelt gelangen oder andere Abfallströme oder den Boden belasten.“

Um die Genauigkeit zu verbessern, testete ein Team von Wissenschaftlern, darunter Nutcha Teneepanichskul, Prof. Helen Hailes und Miodownik vom Plastic Waste Innovation Hub der UCL, verschiedene Arten von konventionellen, kompostierbaren und biologisch abbaubaren Kunststoffen unter Verwendung von Hyperspectral Imaging (HSI) für die Entwicklung von Klassifizierungsmodellen. HSI ist eine bildgebende Technik, die die unsichtbare chemische Signatur verschiedener Materialien erkennt, während sie diese scannen, wodurch eine pixelweise chemische Beschreibung einer Probe erstellt wird. KI-Modelle wurden verwendet, um diese Beschreibungen zu interpretieren und eine Materialidentifikation vorzunehmen.

Das Fehlmanagement von Kunststoffen in Recycling- und industriellen Kompostierungsprozessen ist hoch, was zuverlässige Sortiermechanismen unerlässlich macht. „Derzeit ist die Identifikationsgeschwindigkeit zu gering für eine Umsetzung im industriellen Maßstab“, betont Miodownik. „Wir können und werden es jedoch verbessern, da die automatische Sortierung eine Schlüsseltechnologie ist, um kompostierbare Kunststoffe zu einer nachhaltigen Alternative zum Recycling zu machen.“