به گزارش سرویس ترجمه ایمنا، نتایج بررسیهای انجام شده نشان میدهد که فقط حدود پنج درصد از کل پلاستیکی که مردم قصد دارند بازیافت کنند، وارد مرحله بازیافت میشوند؛ عوامل زیادی مانند مواد آلوده، نیاز به آب و زبالههای دور ریخته شده و افزایش ۲۶۳ درصدی از زبالههای پلاستیکی در آمریکا در این زمینه تأثیرگذار است و باعث شده است میزان بازیافت پلاستیک کم باشد.
بنابراین میتوان نتیجه گرفت که بازیافت پلاستیک یک چالش جدی است که به راهحلهای مؤثری نیاز دارد، بنابراین محققان همواره به دنبال روشهای مفید برای برطرف کردن مشکلات ناشی از بازیافت پلاستیک هستند؛ گروهی از پژوهشگران کالج دانشگاهی لندن یک مدل یادگیری ماشینی جدید توسعه دادهاند که قادر است پلاستیکهای قابل کمپوست و زیست تخریبپذیر را جدا کند و به بهبود کارآیی و دقت بازیافت کمک کند.
مدل توسعه یافته قادر است با استفاده از دادههای مبتنی بر یک سیستم طبقهبندی از طریق تصویربرداری فراطیفی، تکههای زبالههای پلاستیکی را مشاهده کند و آنها را به دقت دستهبندی کند؛ برنامه یادگیری ماشینی میتواند مواد پلاستیکی بزرگتر از ۱۰ میلیمتر در ۱۰ میلیمتر را با دقت صد درصد دستهبندی کند، در حالی که دستهبندی مواد کوچکتر با دقت کمتری دستهبندی میشوند.
به گفته محققان، با دستهبندی مواد پلاستیکی میتوان به بازیافت مؤثر آنها کمک کرد، زیرا مواد پلاستیکی حاوی مواد شیمیایی مختلفی هستند که بعضی از آنها زیستتخریبپذیر هستند و قابلیت تبدیل شدن به کمپوست را دارند.
نظر شما