Tendencias en la economía circular «Considerar el reconocimiento de objetos mediante IA de forma aislada es quedarse corto»

¿Qué papel desempeña hoy en día la IA en la tecnología de clasificación y cuáles son sus límites? Andreas Hanus, responsable de desarrollo de IA en Sesotec, explica por qué una IA potente abarca mucho más que el reconocimiento de objetos y qué es lo que realmente importa a la hora de aplicarla en la práctica.

En la tecnología de clasificación, la inteligencia artificial (IA) supone una evolución lógica de los métodos ya consolidados, como la espectroscopia de infrarrojo cercano, cuya capacidad para identificar materiales gana en precisión gracias a la IA. Precisamente en el caso de los envases multicapa de PET, en los que hasta ahora resultaba difícil distinguir entre las diferentes capas de plástico, la IA detecta las sutiles diferencias de forma mucho más fiable.

¿Qué ventajas conlleva esto? ¿Cuándo llega la IA a sus límites? ¿Y cómo cambiará a largo plazo la economía circular en lo que respecta a los plásticos? Hemos hablado de ello con Andreas Hanus, responsable de desarrollo de IA en Sesotec.

PlastXnow: ¿Qué ventajas concretas ofrece la inteligencia artificial frente a los métodos de clasificación tradicionales?

Andreas Hanus: Sin embargo, el verdadero avance tecnológico reside en el reconocimiento de objetos basado en la inteligencia artificial. Este evalúa —de forma similar a como lo haría una persona— el color, la forma, la textura, las impresiones y otras características de forma simultánea. Mientras que los sistemas clásicos basados en reglas suelen limitarse a criterios individuales medibles, la IA puede combinar esta información para tomar una decisión mucho más fundamentada.

La ventaja decisiva es que, hoy en día, los sistemas de clasificación basados en IA bien entrenados toman decisiones que hasta ahora solo solían ser posibles en la reclasificación manual, pero con la velocidad, la consistencia y la reproducibilidad de una máquina. En pocas palabras: la instalación adquiere una parte de la capacidad de juicio humano, sin asumir sus limitaciones en cuanto a velocidad y resistencia.

¿En qué aspectos se encuentra aún la tecnología actual de clasificación de residuos plásticos en sus límites y cómo puede ayudar la inteligencia artificial a superarlos?

Un ejemplo reciente es el Reglamento europeo sobre envases (PPWR). En el futuro, este reglamento establecerá porcentajes mínimos obligatorios de material reciclado para numerosos envases de plástico —incluso para los envases de alimentos que entran en contacto directo con el producto—. Para ello se requieren flujos de materiales especialmente limpios y separados de forma específica.

La técnica clásica de clasificación llega aquí a sus límites, ya que, ante un mismo tipo de polímero y un color similar, a menudo no puede distinguir si un artículo procede originalmente del sector alimentario o del no alimentario. Una botella de limpiador y un envase alimentario fabricados con el mismo PET pueden ser prácticamente idénticos tanto a simple vista como en cuanto al material; la información decisiva sobre su uso original no puede deducirse de forma fiable solo a partir del material o el color.

¿Cómo se pueden superar estos obstáculos con la ayuda de la IA?

El reconocimiento de objetos mediante IA abre nuevas posibilidades. Tiene en cuenta características adicionales como la forma, las impresiones o los elementos de diseño típicos, y a partir de ellas puede extraer conclusiones sobre el uso original. En el proyecto PAC2PAC de Sesotec, hemos podido demostrar que la clasificación fiable de productos alimentarios y no alimentarios es técnicamente posible, lo que supone un paso importante para cumplir los requisitos de la PPWR y hacer posible un reciclaje de «envase a envase» de alta calidad.

Pero hay que reconocer con sinceridad que el reconocimiento de objetos mediante IA también tiene sus límites. En aquellos casos en los que el ser humano ya no puede distinguir ninguna diferencia basándose en las características visibles o perceptibles mediante los sentidos —por ejemplo, en envases muy sucios, descoloridos o dañados sin impresiones reconocibles—, la IA también tiene dificultades. En última instancia, el reconocimiento de objetos depende de la información que proporcionan la cámara y los sensores. Este límite no se amplía automáticamente solo por el hecho de que un sistema se denomine «IA».

La calidad de los materiales reciclados determina su uso posterior. ¿Cómo contribuyen los sistemas de clasificación basados en la inteligencia artificial a generar flujos de materiales de mayor calidad?

Además de permitir el aprovechamiento de nuevos flujos de materiales, el reconocimiento de objetos mediante IA también mejora la calidad de los plásticos reciclados. Elimina de forma selectiva impurezas como cartuchos de silicona, botellas con bomba o bidones de aceite, que, a pesar de ser del tipo de polímero adecuado, pueden afectar a la calidad del material reciclado debido a residuos, aditivos o su uso original.

Al mismo tiempo, permite separar de forma selectiva aquellos artículos especialmente valiosos o adecuados para ciclos de reciclaje específicos. Esta capacidad de reconocer tipos concretos de objetos, en lugar de limitarse a clases de materiales, confiere a la IA una ventaja decisiva frente a los métodos de clasificación convencionales. De este modo, a partir de materiales de entrada heterogéneos se obtienen materiales reciclados de mayor calidad y más fáciles de comercializar, que también son aptos para aplicaciones más exigentes y contribuyen a pasar del «downcycling» a auténticos ciclos de reciclaje. 

De cara a los próximos años: ¿qué avances espera que se produzcan en la clasificación basada en la inteligencia artificial?

Será fundamental ampliar continuamente la base de datos y adaptar los modelos de forma constante a los cambios en los flujos de materiales. Las fluctuaciones estacionales, regionales y relacionadas con la calidad hacen necesario un seguimiento periódico y un reentrenamiento específico. Por ello, aspectos como la calidad de los datos, el control de versiones de los modelos y las validaciones controladas cobran una importancia cada vez mayor.

Igualmente importante será la evaluación continua de indicadores de calidad como la pureza, el rendimiento o el porcentaje de producto apto para el consumo alimentario. En el futuro, los sistemas de clasificación y análisis deberán colaborar más estrechamente para que los conocimientos obtenidos del resultado final se incorporen directamente a la optimización de la estrategia de clasificación. En este sentido, el conocimiento del proceso por parte de los operadores sigue siendo fundamental, ya que puede integrarse de forma específica en la inteligencia artificial.

Otro elemento importante es la combinación con otros tipos de sensores, como los de infrarrojo cercano (NIR) o los detectores de metales. Considerar el reconocimiento de objetos mediante IA de forma aislada es insuficiente: su verdadero potencial solo se pone de manifiesto en combinación con otros métodos que detectan otros aspectos de un material.

¿Cómo influirá esto en la economía circular de los plásticos a largo plazo?

Sin embargo, un algoritmo potente por sí solo no basta. Lo decisivo es la solidez y la fiabilidad con que funcionan las aplicaciones de IA en condiciones reales de funcionamiento, incluso cuando varían la calidad de los materiales y las condiciones ambientales. 

Para la economía circular, esto significa que los flujos de materiales que hasta ahora resultaban difíciles de aprovechar se pueden utilizar mejor, los flujos de materiales existentes se pueden depurar de forma más específica y las instalaciones se pueden adaptar con mayor flexibilidad a los nuevos conceptos de embalaje y a los requisitos normativos. La inteligencia artificial no sustituirá a la tecnología de clasificación tradicional, sino que la ampliará de forma inteligente, haciendo que las instalaciones de clasificación sean más eficientes, flexibles y sostenibles.