Black soldier fly larvae (BSFL) waste treatment is becoming a more sought-after organic waste treatment since it produces larvae for animal feed as well as fertilizer, the need for prediction and optimization of treatment performance increases. This study aims to predict biomass conversion efficiency (BCE) for waste going into treatment, using only the nutritional data from other studies as it could give a good performance estimation while using available data. First, macronutrient fractions, based on a normalized total weight of volatile solids (VS), were calculated from nutritional data of other studies and of this present study.  Using the results, coordinates of these samples were calculated and put on the ternary plot, revealing trends for different macronutrient compositions. To validate these trends, selected nutrient compositions were created as waste mixtures containing fish, bread and vegetable waste and then treated by BSFL. After treatment, BCE and waste reduction in both VS and wet weight basis were noted. 

The results showed that a composition high in carbohydrate and low in fat content is favorable for a high BCE value while protein content remained similar across all treatments and only seemed to slightly increase BCE. Treatment A5 held the highest BCE%VS (32.6 ± 3.5) with a composition of 73%VS carbohydrates, 19%VS protein and 8%VS fat and control treatment (A0) with no fish waste held the highest BCE%WW  (21.2 ± 1.8).  

When comparing with the results of the other studies used to make the trends in the ternary plot, predictions of BCE were more accurate for a composition  of  70%VS carbohydrates, 20-25%VS protein and < 8%VS fat and also for compositions with similar waste substrates, as their percental changes were similar. This suggests that it is possible to predict high BCE  values from nutritional data in a ternary plot and could be of use when optimizing larval production.

Fluglarvskompostering med den amerikanska vapensflugan (Hermetia illucens) är en avfallsbehandling för organiskt avfall som producerar larver och gödselmedel som kan används som djurfoder respektive gödselmedel.  Många studier har undersökt hur makronäringsämnen påverkar larvproduktion eller behandlingseffektiviteten och kommit till olika resultat. I dagens läge skulle det underlätta om man kunde uppskatta den högsta möjliga effektiviteten baserat på data om avfallet som redan finns utan att behöva gå igenom en längre studie först. Den här studien har som syfte att undersöka om det är möjligt att förutspå biomassomvandlings-effektivitet (BCE) från makronäringsdata tagen från andra studier i ett triangulärt diagram. I denna studie användes studierna av Lopes et al., (2020) och Isibika et al., (2021) som basdata i triangulär diagrammet. 

För att validera det trender som sågs i det triangulära diagrammet utfördes tester på valda kompositioner beståendes av ansjovis, bröd och grönsaksavfall med fluglarvkompostering. För att kunna applicera makronäringsämnernas data till triangulär diagrammet, beräknades mängden protein, kolhydrater och fett som en andel av den totala mängden glödförlust (VS).  Efter behandling beräknades BCE på våtvikt (WW) och VS basis. 

Resultaten tyder på att en avfallskomposition med hög halt kolhydrater och låg halt fett (70%VS kolhydrater, 20–25%VS protein and <8%VS fett) bidrog till ett högt BCE värde, där proteinhalten var snarlik i alla behandlingar och verkade ha ett litet bidrag till ett högt BCE värde. Behandlingen A5 hade det högsta BCE%VS värdet (32.6 ± 3.5) med en komposition av 73%VS kolhydrater, 19%VS protein och 8%VS fett och kontroll behandlingen A0 (utan ansjovis avfall) hade högst BCE%WW värde (21.2 ± 1.8).  

Vid jämförelse mellan de andra studierna och resultaten, var uppskattningar av BCE mer precisa för en komposition med ca 70%VS kolhydrater, 20–25%VS protein and <8%VS fett och för uppskattningar baserad på data från rapporter med liknande avfallssubstrat, då deras procentuella förändringar var liknande varandra. Detta stärker hypotesen att det är möjligt att kunna förutspå högt BCE värde med hjälp av näringsdata från avfallet och skulle kunna användas för att optimera av larvproduktion.