科学家利用人工智能改善塑料回收,可区分可降解塑料和传统塑料
3月14日消息,食品包装袋、咖啡杯、塑料袋……,塑料在我们的日常生活中随处可见。只是这些可降解的塑料制品和传统塑料之间,在外观上很难进行有效区分,如果在回收环节没有做好,可能会污染塑料的回收并降低效率。伦敦大学学院(UCL)的研究人员在FrontiersinSustainability上发表了一篇论文,他们使用机器学习自动对不同类型的可堆肥、可生物降解塑料进行分类,并将它们与传统塑料区分开来。该研究的通讯作者MarkMiodownik教授说:“准确性非常高,可以使该技术在未来切实可行地

3 月 14 日消息,食品包装袋、咖啡杯、塑料袋……,塑料在我们的日常生活中随处可见。
只是这些可降解的塑料制品和传统塑料之间,在外观上很难进行有效区分,如果在回收环节没有做好,可能会污染塑料的回收并降低效率。
伦敦大学学院(UCL)的研究人员在 Frontiers in Sustainability 上发表了一篇论文,他们使用机器学习自动对不同类型的可堆肥、可生物降解塑料进行分类,并将它们与传统塑料区分开来。
该研究的通讯作者 Mark Miodownik 教授说:“准确性非常高,可以使该技术在未来切实可行地用于工业回收和堆肥设施”。
IT之家从报道中获悉,研究人员利用了人工智能,对 5mm 乘以 5mm 到 50mm 乘以 50mm 之间的塑料材质进行分类。
本次测试的传统塑料主要为 PP、PET 材质(主要用于食品容器和饮料瓶);可堆肥、可生物降解塑料样品主要为 PLA 和 PBAT 材质,用于杯盖、茶包和杂志包装。
结果表明成功率很高:当样品测量值超过 10 毫米 x 10 毫米时,该模型对所有材料都达到了完美的精度。然而,对于尺寸为 10 毫米 x 10 毫米或更小的甘蔗衍生材料或棕榈叶材料,误分类率分别为 20% 和 40%。
查看尺寸为 5mm x 5mm 的碎片,一些材料的识别比其他材料更可靠:对于 LDPE 和 PBAT 碎片,错误分类率为 20%;两种生物质衍生材料的错误识别率分别为 60%(甘蔗)和 80%(棕榈叶)。
Windows 10 是一款微软推出的经典操作系统,拥有硬件兼容性与多任务处理能力。它更偏向把系统状态查看和常用调节动作放在一起,适合需要持续观察和微调设备状态的场景。
极度公式是一款跨平台专业LaTeX公式识别编辑软件,支持OCR公式识别和多平台编辑。和使用说明,避免使用,享受完整功能与稳定支持。做扫描整理、文字提取和表格转换时,它能把识别后的处理步骤接得更顺,资料录入这类场景会省下不少时间。
















