49 RECICLAGEM A separação de plásticos de qualidade alimentar é uma dor de cabeça para a indústria da reciclagem. Na sua maioria, as embalagens alimentares e não alimentares são produzidas com os mesmos materiais e visualmente muito semelhantes, o que dificulta substancialmente a diferenciação e separação nos sistemas de triagem existentes no mercado. Em consequência, muitos resíduos de uso prévio não alimentar acabam por entrar no fluxo de reciclado de grau alimentar. E, apesar de muitos especialistas afirmarem que isto não tem consequências para a saúde humana, a tendência é de que surjam regulamentos cada vez mais rigorosos (1), o que acrescenta uma camada de complexidade adicional ao tratamento destes resíduos. Mas essa complexidade tem de ser resolvida, se queremos atingir as metas de incorporação de reciclados nas novas embalagens alimentares, tal como previsto no regulamento das embalagens e dos resíduos de embalagem (Packaging and Packaging Waste Regulation, ou PPWR, na sigla original), ainda em debate. Na verdade, esta preocupação não é nova para a Tomra. Há vários anos que a empresa investe em I&D para desenvolver soluções que permitam aumentar o grau de pureza do reciclado de plástico. Inclusive, os seus primeiros equipamentos de triagem, desenvolvidos há 30 anos, já utilizavam uma forma de IA, que lhes permitia ‘decidir’ que materiais rejeitar numa linha de seleção. Hoje, a empresa dá um passo de gigante e apresenta o GAINnext, um ‘add-on’ de classificação baseado em ‘deep learning’, equipado com uma câmara RGB, que pode ser instalado em qualquer unidade Autosort (desde que não obsoleta) e que, pela primeira vez, permite separar em grande escala, rápida e eficientemente, os plásticos de qualidade alimentar (PET, PP e HDPE) dos de qualidade não alimentar. Esta tecnologia é uma evolução do sistema baseado em ‘Deep Learning’ GAIN, lançado em 2019 para remover cartuchos de silicone dos fluxos de polietileno (PE). Desde então, as redes neurais artificiais do sistema foram treinadas com milhões de imagens de objetos para resolver algumas das tarefas de classificação automatizada mais complexas do mundo, como separar plásticos de grau alimentar dos restantes ou MDF dos resíduos de madeira. De acordo com a empresa, agora, mesmo os produtos mais complexos, que antes eram impossíveis de classificar com sensores óticos tradicionais, são identificados. NÍVEIS DE PUREZA ACIMA DE 95% Equipados com sensores tradicionais de infravermelhos próximos (NIR) e espetrometria visual, os equipamentos Autosort já são, há muito, capazes de classificar os resíduos de embalagens de plástico por polímero e por cor ou tipo (rígida ou flexível). Mas não por aplicação. Por exemplo, a máquina tem dificuldade em distinguir um frasco de champô em PET transparente de uma garrafa de água, feita No Centro de Testes da Tomra em Coblença, Alemanha, a empresa realiza ensaios aos lotes dos seus clientes, de forma a aferir o grau de pureza alcançável. O Autosort equipado com o módulo GAINnext combina o reconhecimento de objectos com a triagem tradicional baseada em sensores.
RkJQdWJsaXNoZXIy Njg1MjYx