プラスチック製品中の再生プラスチック含有率の算定

日常のプラスチック利用における重要性

ペットボトルや食品容器、包装材には「再生材配合」をうたう表示が増えていますが、最終製品を単に検査するだけでその主張が正しいか確かめる信頼できる方法は現時点ではありません。本研究は、電気的および光学的な測定と人工知能を組み合わせた非破壊的な新しい手法を提示し、プラスチック製品に実際にどれだけの再生プラスチックが含まれているかを推定します。この手法は、規制当局や製造業者、消費者が持続可能性の主張を検証し、より誠実なプラスチックの循環経済を支える助けになる可能性があります。

再生表示を信用する際の課題

世界のプラスチック廃棄物は年間数億トンに達している一方で、実際にリサイクルされる割合はごく一部にすぎません。多くの政策は製品に最低限の再生プラスチック比率を求める方向にありますが、問題は一度溶かして成形されたプラスチックは、新品（“バージン”）であれ再生材であれ化学的な基本性質がほとんど同じに見えてしまう点です。加熱による重量変化や融点の挙動、詳細な分子構造を測る標準的な実験室装置でも、仕上がった製品にどれだけ再生材が使われているかを直接示すことはできません。サプライチェーン監査や任意の化学トレーサーといった方法もありますが、不完全で現実の製品には稀であったり、回避されやすかったりします。

再生プロセスがプラスチックに与える変化

再生は一般にPET（多くの飲料ボトルに使われる材料）の化学組成を根本的に変えるわけではありませんが、長い分子鎖に損傷を与えます。繰り返しの加熱や溶融、酸素への曝露が鎖を切断し、欠陥や微細な不純物を導入します。こうした微妙な変化は、プラスチックの電荷の蓄え方、電場下でのエネルギーの散逸の仕方、赤外線で分子結合が振動する応答に影響を与えます。著者らは、単一の測定ではこれらすべての影響を十分に捉えられない一方で、いくつかの補完的な信号を組み合わせれば再生材割合の信頼できる指紋を作れる可能性に気づきました。

多数の測定を組み合わせた一つの指紋

研究チームは、既知の再生材割合（0％から100％）を含む薄いPETフィルムに対して四種類のテストを行う“マルチモーダル”センサー系を構築しました。まず、トライボエレクトリック試験で金属板をプラスチックに押し付けて滑らせ、蓄積した電荷がどれだけ速く漏れるかを測定します。再生サンプルは電荷をより長く保持し、より多くの電気的に活性な欠陥を示しました。次に、誘電率およびインピーダンス測定でプラスチックをコンデンサ板の間に挟み、どれだけ容易に分極するかとどれだけエネルギーを失うかを調べます。再生材の混入は電荷貯蔵能力を低下させ、エネルギー散逸を増加させる傾向があります。三つ目に、単純な抵抗–コンデンサ回路での静電容量試験により、充放電時の電圧減衰の速度を調べ、これも欠陥に関連した蓄電特性の差異を反映します。四つ目に、中赤外分光法で赤外線を照射して吸収される波長を測り、再生による鎖端や結晶性の変化が特定の分子振動に引き起こす小さいながら体系的なシフトを検出します。

信号を読み取る機械を教える

各測定が単一の数値ではなく複雑な曲線を生じ、サンプル間の差が微妙であるため、研究者らは機械学習に頼りました。彼らは四種類のデータすべてを深層ニューラルネットワークに入力し、豊かな赤外スペクトルを圧縮してコンパクトな数値的要約に変換し、それらを電気測定から抽出した特徴と組み合わせるよう設計しました。物理サンプル数が限られている問題に対処するため、測定の統計に基づく多くの現実的変動を生成するデータ拡張を用いました。得られたモデルは、0–100％の範囲でPETフィルムを離散的な再生含有カテゴリに分類して約92％の総合精度を達成し、将来の規制が焦点を当てそうな実務上重要な0–50％の範囲では97％以上の精度を示しました。

よりクリーンなプラスチックの未来への意義

非専門家にとって重要な点は、著者らが製品を切断したり事前に特別なマーカーを追加したりせずに、どれだけの再生プラスチックが含まれているかを技術的に推定できることを示したことです。いくつかの非破壊検査を一つの“指紋”に統合し、その指紋を人工知能で解釈することで、この手法は飲料ボトル由来のPETについては異なる再生含有率を高い精度で見分けることができます。さらなる開発、他のプラスチック種やより多様な廃棄物流への適応が進めば、このアプローチは携帯型や生産ライン内のツールの基盤となり得て、再生含有の主張を検証する手段を提供します。そうした道具が普及すれば、リサイクル政策の施行が容易になり、誠実な製造者が評価され、私たちが使い再利用するプラスチックが真の循環経済に近づくことに寄与するでしょう。

引用: 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

キーワード: 再生プラスチック, プラスチック廃棄物, ポリエチレンテレフタレート, 非破壊検査, 機械学習センサー