세상에는 쓰레기 문제가 있으며 날이 갈수록 그 문제는 더욱 악화되고 있다. 폐기물은 2016년 20억 톤에서 2050년까지 전 세계적으로 연간 34억 톤에 이를 것으로 예상된다. 쓰레기는 기후 변화의 주요 원인이다. 매립지는 온실가스 배출의 주요 원천이다. 매립지를 찾을 수 있는 경우에도 마찬가지이다. 일부 주에서는 이미 소진되기 시작했다.

많은 사람들이 플라스틱 오염 문제에 대한 해결책으로 재활용을 바라보고 있지만, 특히 가장 빠르게 증가하는 쓰레기 원인인 플라스틱 포장의 경우 재활용이 많이 필요하다. "재활용 가능 여부"와 관계없이 모든 플라스틱의 90% 이상이 매립지로 버려져 쓰레기 문제를 더욱 악화시킨다. 그 중 대부분은 결국 미세플라스틱으로 변해 환경과 건강에 더 큰 위험을 초래한다.

이것은 분명히 계속될 수 없다. 그리고 세계를 막고 있는 쓰레기의 양을 줄이는 데 도움이 될 수 있는 한 가지 해결책은 특히 식품 및 포장 재료에 대한 퇴비화의 대량 구현이다. 오늘날 미국인 중 27%만이 퇴비화 프로그램을 이용할 수 있다. 이것은 바뀌어야 한다. 퇴비화 인프라에 대한 공공 투자 증가와 함께 AI를 포함한 첨단 기술은 퇴비화를 더욱 효율적으로 만들고 퇴비화 가능한 플라스틱을 보다 쉽게 처리할 수 있도록 돕는 데 점점 더 많은 역할을 하고 있다. 새로운 퇴비화 가능한 물질 개발; 소비자 행동을 변화시키는 데에도 도움이 된다.

AI 및 컴퓨터 비전 기반 분류 기술 및 로봇 퇴비화

트럭 분량의 폐기물이 퇴비화 시설에 도착하면 내용물을 분류하여 퇴비화 과정을 방해하거나 품질이 낮은 퇴비를 초래할 수 있는 오염 물질이 없는지 확인해야 한다. 이러한 정렬은 수동적이고 비용이 많이 드는 프로세스인 경우가 많다. 하지만 AI가 상황을 바꾸고 있다. 머신 비전이 장착된 로봇 분류기는 퇴비화 가능한 폐기물 트럭에서 오염 물질을 신속하게 제거할 수 있다. 이를 통해 퇴비화 시설에서는 일반적으로 더 많은 폐기물을 수용하고 분류 비용과 시간을 절약할 수 있다. 예를 들어, 텍사스 주 샌안토니오 시에서는 작년에 이러한 로봇 분류를 사용하기 시작한 이후 아직 한 트럭 분량의 유기 폐기물을 거부하지 않았다. 이 시스템 이전에는 퇴비화 공장에서는 소량의 오염 물질이라도 포함할 가능성이 있는 폐기물은 분류할 가치가 없다는 이유로 거부했다.

또한 고급 이미징 기술을 사용하여 일반 시설에서 폐기물을 분류하고 퇴비화 가능한 물질을 식별하여 적절한 경로로 보낼 수 있다. 이를 달성하는 한 가지 방법은 디지털 워터 마킹을 통해 포장 및 기타 소비재 품목에 배치된 작은 워터마크를 고급 머신 비전 시스템에서 판독한 다음 자동으로 폐기물을 적절한 흐름으로 분류하는 것이다. 이러한 워터마크는 특히 더 많은 퇴비화 업체가 퇴비화 가능한 플라스틱을 받아들이도록 돕는 데 중요하다. 인간의 눈에 매우 유사하게 보이는 퇴비화 가능한 플라스틱과 비 퇴비화 가능한 플라스틱을 빠르게 구별할 수 있기 때문이다.

디지털 워터 마킹은 퇴비화 포장 산업 전반은 물론 퇴비화를 감독하는 퇴비화 업체 및 지역 폐기물 관리 회사의 협력이 필요한 솔루션이다. 그러한 포장 제조업체가 이러한 표시를 사용하는 데 동의하고 퇴비 제조 업체가 이를 읽을 수 있는 장비를 갖춘다면 완벽하게 작동할 것이다.

디지털 워터 마킹 없이도 플라스틱을 포함한 퇴비화 가능 물질을 식별할 수 있는 컴퓨터 비전 AI 기술이 있다. 고급 분류 기술은 퇴비화 가능한 플라스틱을 올바른 퇴비 조건으로 유도할 수 있기 때문에 퇴비화 가능한 플라스틱 사용을 발전시키는 데 특히 중요하다. 이는 종종 음식이나 정원 쓰레기에 필요한 조건과 다를 수 있어 퇴비화 작업의 효율성을 높이는 데 도움이 된다. 예를 들어, 영국 팀은 유형, 퇴비 시스템 요구 사항 및 퇴비화에 소요되는 시간에 따라 퇴비화 물질을 분류하는 센서 기반 시스템을 개발했다. 이 시스템은 첨단 이미징을 사용하여 쓰레기를 조사하고 화학적, 물리적 분석을 통해 분석하는 하이퍼스펙트럼 이미징(HSI)이라는 기술을 사용한다. 들어오는 쓰레기에 머신러닝이 적용되어 새로운 쓰레기가 시스템에 유입될 때 시스템의 분류 기능이 향상되어 시스템의 정확도가 99%에 달하며 모든 퇴비화 가능한 물질은 가능한 가장 효율적인 방법으로 처리된다.

퇴비화 속도 향상 및 새로운 퇴비화 물질 발견

퇴비화 과정 자체의 경우 센서는 AI 기반 머신 비전과 함께 열 및 습기와 같은 상태를 모니터링하여 퇴비화 과정을 진행하는 데 이상적이며 현장에서 조정하여 더 빠르고 더 높은 수준을 보장할 수 있다. - 고품질 퇴비화. AI는 퇴비가 언제 준비될지 예측할 수 있으며, 또 다른 핵심 요소는 프로세스를 더욱 효율적으로 만들고 일관된 품질의 제품을 생산하는 것이며, 이 최종 제품을 구매할 농부에게 어필할 때 중요하다.

물론 이 모든 것의 바탕에는 AI와 머신러닝이 중요한 기여를 할 수 있는 분야인 퇴비화 플라스틱의 발전이 있다. 연구자들에 따르면, 플라스틱을 구성하는 고분자와 생분해 사이의 관계에 대해서는 아직 밝혀내야 할 것이 많다. 머신러닝은 기존 폴리머에 대한 분석 및 분류 속도를 높이고 새로운 폴리머를 개발하는 데 도움이 될 수 있다. 퇴비화 가능한 포장에 사용 가능한 폴리머 라이브러리를 확장하는 것은 필수적이다. 이를 통해 비용을 낮추고 포장 특성에 대해 더 많은 선택을 할 수 있기 때문이다. 예를 들어, 우리는 우리의 작업을 통해 잘 알고 있듯이 일부 브랜드에는 다른 브랜드보다 내구성이 높은 장벽이 필요한 포장이 필요할 수 있다. 우리 역시 연구 개발 속도를 높이고 소비자의 요구와 퇴비화 요건을 가장 잘 충족시키기 위해 다양한 포장 제품의 맞춤화를 돕기 위해 실험 설계와 AI 관리 시스템을 통합하고 있다.

첨단 기술의 이점은 포장 그 이상이다. AI와 컴퓨터 비전은 소비자가 얼마나 많은 식품을 낭비하는지에 대한 데이터 세트를 만드는 데도 도움이 될 수 있다. 이는 환경에 대한 영향을 줄이는 데 가장 중요한 요소 중 하나인 소비자 행동을 변화시키는 데 사용될 수 있다. 예를 들어, 오레곤 주립대학교(Oregon State University)는 컴퓨터 비전을 사용하여 식용 식품 소비자가 낭비하는 양을 추적하는 스마트 퇴비통을 개발하고 있다. 농업 및 식품 공급망의 다른 부분에서는 폐기물이 주의 깊게 추적되는 반면, 소비자 폐기물은 주의 깊게 추적되지 않으며 잘 이해되지 않는다.

퇴비화가 매립지를 방해하고 온실가스 배출과 기타 환경 및 건강 위험을 초래하는 쓰레기와 플라스틱을 줄이는 궁극적인 솔루션인 데에는 여러 가지 이유가 있다. 기술은 퇴비화를 몇 단계 더 발전시켜 지구와 인류를 위해 더 유망한 미래를 여는 데 도움이 될 수 있다.