群峰重工：AI智能分揀機器人已準備好對您的可回收品進行分類

時間：2024-07-29 10:58

來源：山東群峰重工科技股份有限公司

分揀中心內部

113_5_1722221895.jpeg?wx_fmt=jpeg&from=appmsg

回收設施使用機械分揀、光學高光譜分揀和人類工人。以下是回收卡車帶著藍色垃圾箱里的東西離開后通常會發生的情況。

卡車在混凝土墊上卸貨，稱為尖端地板。前端裝載機將散裝材料舀起來，然后將其傾倒到傳送帶上，通常以每小時30至60噸的速度傾倒。

第一階段是預選。人類工人移除了最初不應該進入收集卡車的大型或有問題的物品——自行車、大塊塑料薄膜、丙烷罐、汽車變速器。

113_6_1722221895.jpeg?wx_fmt=jpeg&from=appmsg

依賴光學高光譜成像的分揀機或人類工人將纖維（辦公用紙、紙板、雜志——被稱為2D產品，因為它們大多是扁平的）從剩余的塑料和金屬中分離出來。在光學分揀機的情況下，相機盯著沿著傳送帶滾動的材料，檢測到由目標物質制成的物體，然后發送消息以激活一組電子可控的螺線管，將物體轉移到收集箱中。

113_7_1722221895.jpeg?wx_fmt=jpeg&from=appmsg

非纖維材料通過一個帶有密集的凸輪狀輪子的機械系統。大件物品滑過，而小物品存放在藍色垃圾桶里的可回收叉子，直接前往垃圾填埋場——它們太小了，無法分類。機器還砸碎玻璃，玻璃掉到底部并被屏蔽掉。

113_8_1722221895.jpeg?wx_fmt=jpeg&from=appmsg

然后，溪流的其余部分從頭頂磁鐵和渦流誘導機下穿過，這些磁鐵收集由黑色金屬制成的物品，以及一臺渦流誘導機將有色金屬沖擊到另一個收集區。

113_9_1722221895.jpeg?wx_fmt=jpeg&from=appmsg

在這一點上，大部分是塑料仍然存在。更多的高光譜分揀機，可以一次拉出一種類型的塑料，如洗滌劑瓶的HDPE和水瓶的PET。

最后，剩下的任何東西——卡車上10%到30%的貨物——都會進入垃圾填埋場。

113_10_1722221895.jpeg?wx_fmt=jpeg&from=appmsg

在未來，人工智能驅動的機器人分類系統和人工智能檢查系統可以在這個過程的大多數情況下取代人類工人。在圖表中，紅色圖標表示人工智能驅動的機器人系統可以取代人類工人的位置，藍色圖標表示人工智能審計系統可以對排序工作的成功進行最終檢查。

人工智能精益求精

訓練神經網絡來識別當今市場上所有不同類型的洗衣粉瓶已經很困難了，但當你考慮到這些物體到達回收設施時可能經歷的物理變形時，這是一個完全不同的挑戰。它們可以折疊、撕裂或粉碎。混入其他物體的流中，瓶子可能只能看到一個角落。液體或食物浪費可能會掩蓋材料。

我們通過向它們提供來自世界各地回收設施的屬于每個類別的材料的圖像來訓練我們的系統。利用這些數據，我們的模型通過發現區分不同材料的模式和特征，學會與人類同類產品相同的方式識別可回收物。我們不斷從所有使用我們系統的設施中隨機收集樣本，然后對其進行注釋，將它們添加到我們的數據庫中，并重新訓練我們的神經網絡。我們還測試我們的網絡，以找到在目標材料上表現最佳的模型，并對我們系統難以正確識別的材料進行有針對性的額外培訓。

一般來說，神經網絡容易學習錯誤的東西。奶牛的圖片與牛奶包裝有關，牛奶包裝通常以纖維紙箱或HDPE容器的形式生產。但奶制品也可以用其他塑料包裝，例如，單份奶瓶可能看起來像加侖罐的HDPE，但通常由用于水瓶的PET（聚對苯二甲酸乙二醇酯）的不透明形式制成。換句話說，奶牛并不總是指纖維或HDPE。

同時，也要及時了解消費者包裝的持續變化。任何依靠視覺觀察來學習包裝和材料類型之間關聯的機制都需要消耗穩定的數據流，以確保對物體進行準確分類。

但我們可以讓這些系統發揮作用。目前，我們的系統在某些類別上表現得非常好——鋁罐的準確率超過98%——并且在區分顏色、不透明度和初始使用（發現那些食品級塑料）等細微差別方面越來越好。

既然基于人工智能的系統已經準備好承擔您的可回收物，事情可能會有什么變化？當然，它們將促進機器人的使用，而機器人在當今的回收行業中只使用最少。鑒于這個沉悶而骯臟的業務中工人長期短缺，自動化是一條值得走的道路。

人工智能還可以幫助我們了解當今現有的分類流程做得如何，以及我們如何改進它們。今天，我們對分揀設施的運營效率有非常粗略的了解——我們在進出途中稱量卡車，在出途中稱量產出，沒有任何設施可以肯定地告訴你產品的純度，他們只能通過打開隨機包來定期審計質量。但是，如果您將人工智能驅動的視覺系統放在分類過程相關部分的輸入和輸出上，您將全面了解哪些材料流向哪里。這種水平的審查在世界各地的數百個設施中才剛剛開始，它應該會提高回收業務的效率。能夠精確和一致地將可回收材料的實時流動數字化，這也為更好地了解哪些可回收材料正在回收，哪些目前尚未被回收，然后確定差距，使設施能夠整體改善其回收系統。

編輯：趙凡

贊