Determinación del porcentaje de contenido de plástico reciclado en un producto de plástico

Por qué esto importa para el uso cotidiano del plástico

Botellas de plástico, envases alimentarios y embalajes reclaman cada vez más contener “contenido reciclado”, pero hoy no existe una manera fiable de comprobar si esas promesas son ciertas examinando solo el producto final. Este estudio presenta un nuevo método no destructivo para estimar cuánto plástico reciclado hay realmente en un artículo plástico, usando una combinación de mediciones eléctricas y ópticas junto con inteligencia artificial. El trabajo podría ayudar a reguladores, fabricantes y consumidores a verificar las afirmaciones de sostenibilidad y apoyar una economía circular de plásticos más honesta.

El desafío de confiar en las etiquetas de reciclado

Los desechos plásticos globales han alcanzado cientos de millones de toneladas por año, sin embargo solo una pequeña fracción se recicla realmente. Muchas políticas buscan ahora exigir que los productos incluyan un porcentaje mínimo de plástico reciclado. El problema es que una vez que el plástico se ha fundido y remodelado, su identidad química básica parece casi la misma tanto si es nuevo (“virgen”) como si es reciclado. Las herramientas de laboratorio estándar que miden pérdida de peso al calentar, comportamiento de fusión o incluso estructuras moleculares detalladas no pueden decir directamente cuánto de un objeto terminado provino de fuentes recicladas. Existen auditorías de cadenas de suministro y trazadores químicos opcionales, pero son incompletos, raros en productos reales o demasiado fáciles de eludir.

Cómo cambia el plástico cuando se recicla

Aunque el reciclado no suele alterar la química global de un plástico como el PET (el material de la mayoría de las botellas de bebidas), sí daña sus largas cadenas moleculares. El calentamiento y la fusión repetidos, junto con la exposición al oxígeno, rompen las cadenas e introducen defectos y pequeñas impurezas. Estos cambios sutiles modifican cómo el plástico almacena carga eléctrica, cómo pierde energía en forma de calor en un campo eléctrico y cómo vibran sus enlaces moleculares cuando se exploran con luz infrarroja. Los autores se dieron cuenta de que, aunque ninguna medición aislada capta todos esos efectos con suficiente claridad para revelar el contenido reciclado, combinar varias señales complementarias podría crear una huella fiable de cuánto material reciclado está presente.

Muchas mediciones, una huella combinada

El equipo montó un sistema de sensores “multimodal” que emplea cuatro tipos distintos de pruebas sobre láminas finas de PET con cantidades conocidas de material reciclado entre 0% y 100%. Primero, pruebas triboeléctricas que presionan y deslizan repetidamente placas metálicas contra el plástico y luego miden qué tan rápido se pierde la carga acumulada. Las muestras recicladas retienen la carga más tiempo, lo que indica más defectos eléctricamente activos. Segundo, mediciones dieléctricas y de impedancia que sitúan el plástico entre placas de un condensador y examinan cuán fácilmente se polariza y cuánta energía pierde; el contenido reciclado tiende a reducir su capacidad de almacenar carga y a aumentar su tendencia a disipar energía. Tercero, pruebas de capacitancia en un simple circuito resistor–condensador que analizan la rapidez con la que decae la tensión durante la carga y descarga, de nuevo reflejando diferencias en el almacenamiento de carga vinculadas a defectos. Cuarto, espectroscopía en el infrarrojo medio que ilumina el plástico y mide qué longitudes de onda se absorben, revelando pequeños pero sistemáticos desplazamientos en vibraciones específicas de enlaces moleculares a medida que el reciclado altera los extremos de cadena y la cristalinidad.

Enseñar a una máquina a leer las señales

Dado que cada medición produce una curva compleja en lugar de un solo número, y porque las diferencias entre muestras pueden ser sutiles, los investigadores recurrieron al aprendizaje automático. Introdujeron los cuatro tipos de datos en una red neuronal profunda diseñada para comprimir los ricos espectros infrarrojos en resúmenes numéricos compactos y luego combinar esos resúmenes con características extraídas de las mediciones eléctricas. Para afrontar el número limitado de muestras físicas, usaron aumento de datos, creando muchas variaciones realistas basadas en la estadística de sus mediciones. El modelo resultante pudo clasificar láminas de PET en categorías discretas de contenido reciclado con alrededor de un 92% de precisión global en el rango 0–100% y con más del 97% de precisión en el intervalo práctico de 0–50% de contenido reciclado, donde es probable que se concentren futuras regulaciones.

Qué significa esto para un futuro más limpio del plástico

Para un público no especialista, el resultado clave es que los autores han demostrado que es técnicamente factible estimar cuánto plástico reciclado hay en un producto sin cortarlo ni añadir marcadores especiales de antemano. Al combinar varias pruebas no destructivas en una sola “huella” e interpretar esa huella con inteligencia artificial, su método puede distinguir plásticos con diferentes niveles de contenido reciclado con alta precisión—al menos para PET fabricado a partir de botellas de bebidas. Con más desarrollo, incluida la adaptación a otros plásticos y corrientes de residuos más diversas, este enfoque podría sostener herramientas portátiles o integradas en línea en fábricas que verifiquen las afirmaciones sobre contenido reciclado. Eso, a su vez, facilitaría hacer cumplir las políticas de reciclado, premiar a los fabricantes honestos y asegurar que los plásticos que usamos y reutilizamos nos acerquen a una economía circular genuina.

Cita: Zhao, Y., Adhivarahan, C., Jyothula, C.L. et al. Determining the percentage of recycled plastic content in a plastic product. Commun Eng 5, 51 (2026). https://doi.org/10.1038/s44172-026-00639-y

Palabras clave: plásticos reciclados, desechos plásticos, polietileno tereftalato, ensayos no destructivos, sensores con aprendizaje automático