Los plásticos compostables, incluidos envoltorios y embalajes, pueden contaminar los residuos de plástico convencionales en el proceso de reciclaje.
Ahora, los científicos han desarrollado métodos de aprendizaje automático que pueden identificar los plásticos compostables entre los tipos convencionales.
Los resultados del estudio mostraron altas tasas de éxito, aunque algunos materiales se identificaron de forma más fiable que otros, informa Frontiers.
Los plásticos desechables están en todas partes: envases de alimentos, vasos de café, bolsas de plástico. Algunos de estos plásticos, denominados plásticos compostables, pueden diseñarse para biodegradarse en condiciones controladas. Sin embargo, a menudo son idénticos a los plásticos convencionales, se reciclan incorrectamente y, como resultado, contaminan las corrientes de residuos plásticos y reducen la eficiencia del reciclaje. Del mismo modo, los plásticos reciclables suelen confundirse con los compostables, lo que da lugar a compost contaminado.
Investigadores del University College London (UCL) han publicado un artículo en Frontiers in Sustainability en el que utilizaron el aprendizaje automático para clasificar automáticamente distintos tipos de plásticos compostables y biodegradables y diferenciarlos de los plásticos convencionales.
“La precisión es muy alta y permite que la técnica pueda utilizarse de forma viable en las instalaciones industriales de reciclaje y compostaje en el futuro”, afirmó la profesora Mark Miodownik, autora de correspondencia del estudio.
¿Qué está haciendo el Foro Económico Mundial frente a la contaminación por plásticos?
Hasta una precisión perfecta
Los investigadores trabajaron con distintos tipos de plásticos de entre 50mm por 50mm y 5mm por 5mm. Las muestras de plásticos convencionales incluyeron PP y PET, utilizados a menudo para envases de alimentos y botellas de bebidas, así como LDPE, empleado, entre otras cosas, para bolsas de plástico y embalajes. Las muestras de plásticos compostables incluyeron PLA y PBAT, utilizados para tapas de vasos, bolsitas de té y envoltorios de revistas; así como hoja de palma y caña de azúcar, ambos materiales de origen biomásico utilizados para fabricar envases. Las muestras se dividieron en un conjunto de entrenamiento, utilizado para construir los modelos de clasificación, y un conjunto de prueba, utilizado para comprobar la precisión.
Los resultados mostraron altas tasas de éxito: el modelo logró una precisión perfecta para todos los materiales cuando las muestras medían más de 10mm por 10mm. Sin embargo, en el caso de los materiales derivados de la caña de azúcar o a base de hoja de palma de 10mm por 10mm o menos, la tasa de clasificación errónea fue del 20 % y del 40 %, respectivamente.
Al observar fragmentos de 5mm por 5mm, algunos materiales se identificaron de forma más fiable que otros: en el caso de los fragmentos de LDPE y PBAT, la tasa de clasificación errónea fue del 20 %; y ambos materiales de origen biomásico fueron identificados erróneamente en tasas del 60 % (caña de azúcar) y del 80 % (hoja de palma). Sin embargo, el modelo fue capaz de identificar fragmentos de PLA, PP y PET sin errores, independientemente de las dimensiones de las muestras.
Más allá de lo visible
“Actualmente, la mayoría de los plásticos compostables se tratan como un contaminante en el reciclaje de los plásticos convencionales, lo que reduce su valor. Se aplican el cribado rotatorio (trommel) y la clasificación por densidad para tamizar el compost y reducir la presencia de otros materiales. Sin embargo, el nivel de contaminantes del proceso de cribado actual es inaceptablemente alto”, explicó Miodownik. “Las ventajas de los envases compostables solo se materializan cuando se compostan industrialmente y no llegan al medio ambiente ni contaminan otras corrientes de residuos o el suelo.”
Para mejorar la precisión, un equipo de científicos, entre ellos Nutcha Teneepanichskul, la profesora Helen Hailes y Miodownik, del Plastic Waste Innovation Hub de la UCL, analizó distintos tipos de plásticos convencionales, compostables y biodegradables, utilizando imágenes hiperespectrales (HSI) para desarrollar el modelo de clasificación. La HSI es una técnica de imagen que detecta la firma química invisible de distintos materiales mientras los escanea, generando una descripción química de la muestra píxel a píxel. Se utilizaron modelos de IA para interpretar estas descripciones y realizar la identificación del material.
La mala gestión de los plásticos en los procesos de reciclaje y compostaje industrial es elevada, por lo que los mecanismos de clasificación fiables son esenciales. “Actualmente, la velocidad de identificación es demasiado baja para su implementación a escala industrial”, señaló Miodownik. Sin embargo, “podemos y vamos a mejorarla, ya que la clasificación automática es una tecnología clave para que los plásticos compostables sean una alternativa sostenible al reciclaje”.
