包括包装纸和包装材料在内的可堆肥塑料，在回收过程中可能污染传统塑料废物。
如今，科学家已开发出机器学习方法，能够在传统塑料类型中识别出可堆肥塑料。
研究结果显示成功率很高，不过部分材料的识别可靠性高于其他材料，《Frontiers》报道称。
一次性塑料随处可见：食品容器、咖啡杯、塑料袋。其中一些被称为可堆肥塑料的塑料，可经工程设计，在受控条件下生物降解。然而，它们往往与传统塑料外观相同，回收时容易被错误处理，从而污染塑料废物流并降低回收效率。同样，可回收塑料也常被误认为可堆肥塑料，导致堆肥受到污染。
伦敦大学学院（UCL）的研究人员已在《Frontiers in Sustainability》上发表一篇论文，其中他们利用机器学习自动分拣不同类型的可堆肥和可生物降解塑料，并将它们与传统塑料区分开来。
“该技术的准确度非常高，未来有望切实应用于工业回收和堆肥设施，”该研究的通讯作者马克·米奥多尼克（Mark Miodownik）教授表示。
世界经济论坛在应对塑料污染方面正在做些什么？
准确率接近完美
研究人员使用了尺寸介于50毫米×50毫米至5毫米×5毫米之间的不同类型塑料。传统塑料样本包括常用于食品容器和饮料瓶的PP和PET，以及常用于塑料袋和包装等用途的LDPE。可堆肥塑料样本包括用于杯盖、茶包和杂志包装膜的PLA和PBAT，以及用于生产包装的两种生物质衍生材料——棕榈叶和甘蔗。样本被分为两组：训练集用于构建分类模型，测试集用于检验准确度。
结果显示成功率很高：当样本尺寸大于10毫米×10毫米时，模型对所有材料的识别准确率均达到完美。然而，对于尺寸为10毫米×10毫米或更小的甘蔗基或棕榈叶基材料，误判率分别为20%和40%。
就5毫米×5毫米的碎片而言，部分材料的识别可靠性高于其他材料：LDPE和PBAT碎片的误判率为20%；两种生物质衍生材料的误判率更高，甘蔗为60%，棕榈叶为80%。不过，无论样本尺寸如何，该模型都能无误地识别PLA、PP和PET碎片。
超越肉眼可见
“目前，大多数可堆肥塑料在传统塑料回收过程中被视为污染物，从而降低了其价值。目前采用滚筒筛和密度分选来筛分堆肥并减少其他材料的存在。然而，当前筛分过程中的污染物含量高得令人无法接受，”米奥多尼克解释道。“只有在工业堆肥处理、且不进入环境、不污染其他废物流或土壤的情况下，可堆肥包装的优势才能真正实现。”
为提高准确度，包括Nutcha Teneepanichskul、Helen Hailes教授和米奥多尼克在内的一组科学家，来自UCL塑料废物创新中心，利用高光谱成像（HSI）开发分类模型，对不同类型的传统、可堆肥和可生物降解塑料进行了测试。HSI是一种成像技术，可在扫描材料时探测不同材料肉眼不可见的化学特征，并生成样本逐像素的化学描述。人工智能模型被用于解读这些描述并进行材料识别。
回收和工业堆肥过程中的塑料管理不善问题十分严重，因此可靠的分拣机制至关重要。“目前，识别速度过慢，无法在工业规模上实施，”米奥多尼克指出。不过，“我们能够并将会改进这一点，因为自动分拣是使可堆肥塑料成为回收之外可持续替代方案的关键技术。”
