全球再生塑料资讯站再生塑料 · 循环经济← 全部资讯

环境ESG

人工智能或改变污水处理厂捕获微塑料的方式

责任编辑:Clara Zeng4 分钟阅读
人工智能或改变污水处理厂捕获微塑料的方式

要点

  • 预处理与一级处理去除约72%进水微塑料,二级处理提升至88%,三级处理达94%。
  • 污水处理厂截留60%-80%微塑料,但颗粒在污泥中累积并随污泥进入农田。
  • 受控实验室条件下,基于图像的AI模型分类准确率达85%至95%。
  • 粒径小于150微米的颗粒易穿透处理系统,持续悬浮于水中。
  • 研究整合2019年至2026年文献,涵盖微塑料来源、检测及AI应用。

人工智能有望助力污水处理厂更有效地识别、追踪并管控微塑料,防止其逃逸至环境中。

尽管污水处理厂在设计之初并未将微塑料纳入考量,但事实上它们仍拦截了相当比例的相关污染物。

然而,深入剖析数据背后的实际情况便会发现,这一成效远不如表面所示那般乐观。

一项最新综述探讨了人工智能能否弥补微塑料在污水处理流程中检测、追踪与管理环节尚存的短板。

该综述由克里特理工大学(Technical University of Crete)通讯作者康斯坦丁诺斯·察穆茨奥格卢(Konstantinos Tsamoutsoglou)牵头完成。

研究整合了2019年至2026年间发表的文献,涵盖微塑料来源、浓度、检测方法、处理技术以及人工智能在该领域日益凸显的作用。

微塑料的来源

微塑料几乎从所有渠道进入污水处理厂:家庭排放、工业废水、洗涤过程中衣物脱落的纤维、个人护理产品以及城市地表径流。

这些设施最初的设计目标与微塑料毫无关联。因此,对微塑料尤其是极小颗粒的截留,更多是偶然结果而非刻意设计的工程目标。

察穆茨奥格卢表示:“污水处理厂构成了抵御微塑料污染的关键屏障,但‘去除’并不等同于‘彻底消除’。”

“将可靠的分析测量技术与人工智能相结合,可使处理设施从间歇性监测转向更快速、更具预测性且信息更充分的管理模式。”

大部分微塑料在此被截留

不同研究中报告的微塑料浓度差异极大。每座污水处理厂的建设细节均有所不同,研究人员在采样与颗粒检测方面所采用的方法也各不相同。

尽管存在上述种种变数,污水处理流程中仍呈现出较为一致的规律。

预处理与一级处理阶段可去除约72%的进水微塑料;二级处理将去除率提升至约88%;三级处理则可将去除率推高至94%。

然而,这些数字掩盖了一个根本性的规模问题:94%的去除率并不意味着处理后的水体中已完全不含塑料。

这些设施每日处理的水量极为庞大。

即便排放水中残留的微量塑料浓度,累积起来也意味着数以百万计的颗粒直接流入河流、湖泊及近岸水域。粒径小于约150微米的颗粒尤其容易穿透处理系统,它们不会像传统处理工艺所预设的那样沉降析出,而是持续悬浮于水中。

塑料并未消失

该综述还深入剖析了这一问题中较为隐蔽的层面。污水处理厂据估计能截留60%至80%的微塑料,但并未将其销毁,这些颗粒反而在污泥中不断累积。农民通常将此类污泥作为肥料或土壤改良剂重新利用,这一做法普遍被视为可持续且有益。然而,被截留的微塑料颗粒正随污泥直接进入农田,并可能在此长期滞留。这些颗粒可与土壤微生物及植物根系发生相互作用,或最终随径流冲刷进入陆地食物网。这一发现表明,污水处理并非在消除微塑料污染,而是在悄然转移其位置——将问题从河流与海洋转移至农田。

人工智能的潜在作用

人工智能为运营人员有效应对上述挑战提供了切实可行的路径。计算机视觉系统可自动识别并分类显微镜图像中的塑料颗粒,大幅减少实验室技术人员目前需手工完成的繁琐工作,同时降低因不同人员判断标准细微差异所导致的结果不一致性。在受控实验室条件下,部分基于图像的模型分类准确率已达85%至95%。机器学习还可将颗粒计数与日常运行数据(包括流量、浊度、悬浮物浓度及污泥回流参数)相关联,基于此类复合数据训练的模型有助于预测设施实际的颗粒去除效能,并进一步识别潜在污染源、提前预警异常工况,指导对处理工艺或污泥处置的实时调整。

迈向智能监测的三步路径

基于上述分析,作者提出构建真正具备实用价值的AI驱动监测体系的三步框架。首要步骤是全面且一致地采集实验室数据、成像数据、光谱数据及运行数据。研究人员随后可利用这些数据训练模型,用于颗粒分类及设施性能预测。

该研究的最终环节是将上述成果整合进预警系统与决策支持工具,使其能够真正服务于污水处理厂的日常运营。

人工智能尚未成熟

研究人员利用规模较小、结构规整的实验室数据集训练了大量现有模型,但这些数据远无法反映真实世界污水的复杂性与混乱程度。

此外,不同研究之间的监测方法差异显著。这种不一致性不仅导致各设施间的结果难以横向比较,也使得在某一工厂训练的模型难以在其他地点有效应用。

要弥合这些差距,需要构建更大规模、标准化的数据集,并开展独立的第三方验证。

研究人员还需要开发透明、可信赖的算法,并在实际运行的污水处理厂中进行全尺度测试。

人类经验依然不可或缺

研究人员对人工智能在此领域的能力保持审慎,避免过度夸大其作用。

他们明确指出,人工智能应作为补充而非替代,不能取代化学分析以及那些实际运营污水处理厂的专业人员所积累的宝贵经验。

将两者结合有望实现更精准的监测,并对微塑料污染实施更智能的控制。

这种综合方法能够同时应对水体与陆地中的污染问题,直面一个显然不会止步于污水处理厂围墙之内的挑战。

该研究已发表于《Artificial Intelligence & Environment》期刊。

编辑观点

污水处理并非微塑料终点,污泥中的微塑料正通过农业途径回流环境,这对再生塑料行业的闭环循环构成潜在风险。从业者需关注污泥处置标准及AI辅助分选技术在源头减量中的应用,避免再生料因微塑料污染面临合规挑战。

常见问题

污水处理厂对微塑料的去除率具体是多少?

预处理与一级处理去除约72%,二级处理提升至88%,三级处理达94%。这一数据来自对2019-2026年文献的综述,但94%的去除率仍意味着大量微小颗粒随出水排放。

AI在微塑料检测中的准确率能达到多少?

在受控实验室条件下,基于图像的模型分类准确率达85%至95%。该数据源自综述中提到的计算机视觉系统,可自动识别显微镜图像中的塑料颗粒,减少人工误差。

截留的微塑料最终去了哪里?

截留的60%-80%微塑料在污泥中累积,随污泥作为肥料进入农田。这些颗粒可能长期滞留土壤,与微生物及植物根系相互作用,或随径流进入陆地食物网。