सरल शब्दों में
यह अध्ययन दिखाता है कि कैसे कृत्रिम बुद्धिमत्ता और लेजर तकनीक मिलकर प्लास्टिक कचरे के वर्गीकरण को तेज और सटीक बना सकती हैं। इसका उद्देश्य बदलती परिस्थितियों में भी प्रभावी तरीके से कचरे को अलग करना है।
तकनीक का उपयोग
इस विधि में लेजर स्पेक्ट्रोस्कोपी (LIBS) का उपयोग होता है, जिसमें लेजर पल्स के जरिए सामग्री का विश्लेषण किया जाता है। इस प्रक्रिया से प्राप्त स्पेक्ट्रल जानकारी का विश्लेषण करके सामग्री के तत्वों का निर्धारण किया जाता है।
नमूने की ऊंचाई, सतह का आकार या लेजर की तीव्रता में बदलाव से स्पेक्ट्रल संकेतों में परिवर्तन आ सकता है, जिससे वर्गीकरण जटिल हो सकता है। एआई का उपयोग करके, इन परिवर्तनों के बावजूद वर्गीकरण की सटीकता को बढ़ाया जा सकता है।
प्रयोग और सामग्री
अध्ययन ने चार प्रकार के पॉलिमर पर ध्यान केंद्रित किया: पॉलीप्रोपाइलीन, पॉलीइथिलीन टेरेफ्थेलेट, उच्च घनत्व पॉलीइथिलीन, और निम्न घनत्व पॉलीइथिलीन। ये सामग्री आम प्लास्टिक कचरे का बड़ा हिस्सा बनाती हैं।
इन सामग्रियों के मानक नमूने बिना किसी अतिरिक्त के तैयार किए गए, साथ ही वास्तविक कचरे के नमूने जिनसे लेबल और चिपकने वाले पदार्थ हटाए गए थे। लेजर की तीव्रता में बदलाव का अनुकरण करने के लिए विभिन्न क्षमताओं की लेजर पल्स का उपयोग किया गया।
डेटा विश्लेषण और वर्गीकरण परिणाम
शोधकर्ताओं ने प्लास्टिक नमूनों से 28,800 व्यक्तिगत स्पेक्ट्रा एकत्र किए। डेटा से शोर को कम करने के लिए स्मूथिंग और बेसलाइन सब्ट्रैक्शन जैसी तकनीकों का उपयोग किया गया। विश्लेषण के बाद, डेटा प्रोसेसिंग और सही तरंग दैर्ध्य के चयन ने वर्गीकरण की सटीकता में महत्वपूर्ण सुधार दिखाया।
वास्तविक कचरे के नमूनों के साथ 100% सटीकता हासिल की गई, जो दर्शाता है कि ये तकनीकें औद्योगिक वर्गीकरण प्रक्रियाओं को बेहतर बना सकती हैं।
निष्कर्ष
यह अध्ययन दिखाता है कि लेजर तकनीक और एआई का संयोजन प्लास्टिक कचरे के वर्गीकरण की चुनौतियों के लिए एक प्रभावी समाधान प्रदान कर सकता है। हालांकि परिणाम आशाजनक हैं, फिर भी इस विधि की प्रभावशीलता की पुष्टि के लिए बड़े और अधिक विविध कचरा नमूनों के साथ और अधिक अध्ययन की आवश्यकता है। ये नवाचार भविष्य में अधिक कुशल स्वचालित वर्गीकरण प्रणालियों के लिए मार्ग प्रशस्त कर सकते हैं।