AI-technologie verbetert nauwkeurigheid bij plasticsortering

De verwerking en recycling van plastic afval vormen een grote uitdaging. Een cruciale stap in dit proces is het correct sorteren van verschillende soorten kunststof. Onderzoekers verkennen steeds geavanceerdere technologieën om dit efficiënter en nauwkeuriger te doen. Een recent project richtte zich op het gebruik van kunstmatige intelligentie (AI) in combinatie met optische detectiemethoden om plastic afval effectiever te classificeren.

Fahimeh Pourmohammadi heeft zich hierbij gericht op het combineren van AI met spectroscopie om plastics beter te onderscheiden.

Gedrag van licht

De kern van dit onderzoek was het analyseren van de manier waarop verschillende kunststoffen licht reflecteren, absorberen en verstrooien. Dit gedrag wordt beïnvloed door de moleculaire structuur van het materiaal, wat het mogelijk maakt om verschillende soorten plastic te identificeren.

Om dit te realiseren werden meerdere apparaten getest, waaronder professionele spectrometers en handzame, draagbare versies. ‘De uitdaging was niet alleen om een accurate detectie te bereiken, maar ook om deze technologie toegankelijk en betaalbaar te maken voor bredere toepassingen, zoals in ontwikkelingslanden waar dure sorteerinstallaties vaak ontbreken’, aldus Pourmohammadi.

Uitdagingen in het sorteerproces

Het sorteren van plastic is een cruciale schakel in het recyclingproces. Als deze stap niet correct wordt uitgevoerd, beïnvloedt dit de kwaliteit van het gerecyclede materiaal en verhoogt het de kosten van het hele proces. Het onderzoek richtte zich op zes veelvoorkomende soorten plastic en hoe deze met verschillende sensoren gedetecteerd kunnen worden.

‘Uit de tests bleek dat professionele spectrometers de meest accurate resultaten leverden, maar dat handzame apparaten een goed alternatief kunnen zijn met een nauwkeurigheid van 85%’, meent Pourmohammadi. ‘Er werden echter enkele beperkingen vastgesteld, zoals de resolutie van de sensoren en de aanwezigheid van verontreinigingen in het plastic, wat de detectie moeilijker maakt.’

Verbeteringen en aanbevelingen

Een van de strategieën om de nauwkeurigheid te verhogen was het combineren van meerdere sensortechnologieën. Door gegevens uit verschillende bronnen samen te voegen, konden sommige modellen een nog hogere nauwkeurigheid behalen. Daarnaast onderzocht Pourmohammadi welke golflengtes het meest relevant waren voor de detectie van specifieke kunststoffen.

Uit het onderzoek bleek dat de kwaliteit van de sensor en de verwerking van de data doorslaggevend zijn voor de nauwkeurigheid van het model. ‘Dit benadrukt het belang van verdere optimalisatie van zowel de hardware als de AI-algoritmen. De resultaten kunnen bijdragen aan de ontwikkeling van goedkopere en efficiëntere sorteeroplossingen die wereldwijd ingezet kunnen worden.’

Verdere ontwikkeling van AI en plasticsortering

‘De integratie van AI in het sorteerproces van plastic biedt veelbelovende perspectieven’, concludeer Pourmohammadi. ‘Hoewel professionele spectrometers de hoogste nauwkeurigheid bieden, kunnen draagbare apparaten in combinatie met machine learning een haalbaar alternatief zijn. Verdere ontwikkelingen in sensortechnologie en data-analyse zullen de prestaties van deze systemen naar verwachting nog verder verbeteren.’

‘Door deze technieken toegankelijker te maken, kan de recyclingindustrie efficiënter en duurzamer worden. Dit draagt niet alleen bij aan een circulaire economie, maar helpt ook om de milieu-impact van plastic afval te verminderen.’