Ученые МГУ нашли способ сортировать пластик без ошибок
Ученые физического факультета Московского государственного университета имени М.В. Ломоносова создали алгоритм, ускоряющий сортировку пластика за счет анализа спектров.
Каждый год человечество производит свыше 400 миллионов тонн пластика. 79% отправляется на свалки или попадает в океаны и почву. И меньше десятой части всего объема получает «вторую жизнь». Но прежде чем мусор переработать, его нужно отсортировать. И вот здесь возникают трудности. Иногда просто невозможно быстро и точно сказать, что за бутылка лежит на конвейере. Заводская маркировка часто стерта или вовсе отсутствует, а человеческий глаз или бюджетный датчик путают ПЭТ с полипропиленом.
Взгляд сквозь мусор
Решение этой проблемы как раз и придумали в стенах МГУ имени М.В. Ломоносова. Ученым удалось буквально «заглянуть» в мусор. Новый способ основан не на видимом свете, а на отражении в ближнем инфракрасном диапазоне. Алгоритм считывает уникальные спектральные «отпечатки» полимера, игнорируя цвет, толщину и кривизну поверхности. Разработка наиболее актуальна в контексте целей нацпроекта «Экологическое благополучие». К 2030 году в России должны сортировать 100%, а перерабатывать 25% отходов.
Конвейер идей
В России активно внедряют «умные» системы для сортировки бытовых отходов. На основе искусственного интеллекта работает пункт сбора вторсырья «ЭкоПоинт». Нейросеть определяет тип отходов (ПЭТ-бутылки, алюминиевые банки, макулатуру и т.д.), их качество и количество. Форму предмета она распознает с точностью 97%.
На Тюменском мусоросортировочном заводе работает робот, который разделяет пластиковую тару по цветам и типам. Устройство, оснащенное нейросетями, машинным зрением и вакуумным захватом, определяет и сортирует голубой, прозрачный, белый, зеленый, коричневый ПЭТ, а также флаконы с точностью до 95%. Подобный помощник есть и на предприятии по сортировке мусора в Москве. Оптический робот-сепаратор отбирает алюминиевые банки. В отличие от обычного сепаратора он не обращает внимание на цвет, загрязненность предмета и откидывает алюминиевые банки в отдельный бункер-накопитель для ценного сырья.
А студентка из Института ИТ и программирования СПбГАП создала нейронную сеть, способную с точностью до 92% находить и локализовывать пластиковые отходы среди мусора. Алгоритм по датчикам и камерам находит ПЭТ-бутылки, фотографирует их и строит 3D-карту свалок.
Отходы в доходы
Система МГУ опирается на фиксированные длины волн и недорогие оптические фильтры. Чтобы определить тип пластика, долго ждать не придется. Достаточно нескольких «щелчков» в ближнем ИК-диапазоне. Такая простота внедрения перестанет делать экономику переработки убыточной.
Для России, которая строит сотни объектов по обращению с ТКО и запускает высокотехнологичные линии (как проект РЭО в Челябинской области по выпуску чистого ПЭТ-хлопья мощностью 13,8 тысячи тонн в год), это технологические возможности. Сегодня роботы-сортировщики показывают точность до 95%, но спотыкаются о черный пластик и смешанные фракции. ИК-метод станет надежным подтверждением.
Нужно не строить заводы по сжиганию, а научиться дешево идентифицировать сырье. С новым методом пластиковая бутылка, брошенная в зеленый бак, не отправится на свалку из-за ошибки сортировки. «Физический взгляд» МГУ станет базовым инструментом для экономики замкнутого цикла, где отходы превращаются в доходы.
