人工智能(AI)技術正在改變回收行業。

發(fa)明具有人類智慧(hui)的機器，為(wei)人類服(fu)務——這一想(xiang)法最(zui)初產生于(yu)20世紀(ji)40年代。如今，計(ji)算能力的提高、互(hu)聯網技術(shu)以及(ji)云存儲技術(shu)使得捕獲大量數(shu)據(ju)成為(wei)可能，讓分(fen)選(xuan)設備能夠(gou)實現相(xiang)互(hu)連接(jie)，也為(wei)引入人工智能打下(xia)了(le)基礎(chu)。

率先引入人工智能的企業，將收獲這一前沿技術帶來的競爭優勢。

在分選(xuan)領域，人(ren)工(gong)智(zhi)能(neng)可以大(da)幅提(ti)(ti)升分選(xuan)后的產品純度，從而擴寬(kuan)回收(shou)材(cai)料的應用領域，增加企(qi)業收(shou)益(yi)。人(ren)工(gong)智(zhi)能(neng)還能(neng)提(ti)(ti)高資源回收(shou)的自動化水平，減少人(ren)工(gong)，降低運營成本(ben)，提(ti)(ti)升產線的安全(quan)性和穩(wen)定性。

20世紀40年代

受大腦神經元網絡研究(jiu)的(de)啟發

科學家(jia)們(men)開始探(tan)索(suo)構建“人(ren)工大腦”的可能(neng)性

20世紀50年代中期

機械設備能(neng)夠展現出(chu)部分智能(neng)特征

為人工(gong)智能的誕生奠定了基礎

當時，計算(suan)機發現(xian)并(bing)證明了新的數(shu)學算(suan)法

并由此引發了一個AI領域的投資(zi)熱潮(chao)

1997年

這是AI發展的(de)高峰期，涌現許(xu)多巨大的(de)技術(shu)成就

如AI軟(ruan)件“深藍”打(da)敗了國(guo)際象棋世界冠軍卡斯帕羅夫

2017

AI程序AlphaGo(阿爾法狗(gou))在最復雜的棋類競技

圍棋(qi)中(zhong)打(da)敗了排名世界第一的柯潔

現在

隨著計算機產業和(he)大(da)數據(ju)技(ji)術的飛速發展

人工(gong)智能(neng)的(de)研發又進入了另一個高峰(feng)期(qi)

各國政(zheng)府和(he)企業在AI領域(yu)砸(za)下重(zhong)金(jin)

在各行各業推進AI技術的開(kai)發和應

希望突破行業發展所面臨的(de)局限(xian)

AI技術早在30年前就走進了回收行業。但在那時，AI算法只是通過對比材料顏色的灰度值或彩色值，借助簡單的(de)規則做出判(pan)斷，決定物料被保留或被剔(ti)除。

直到個人計算機出現后，人工智能技術才開始被應用于圖像分類。定制的分選相機可捕捉顏色特征以外的材料光譜特性，大幅提高了(le)光(guang)電分選設備(bei)的(de)精確性(xing)。

進入21世紀，分選行業在多光譜成像技術的基礎上，引入了經典的機器學習算法，解決數據處理的難題。具體方法是，針對某一特定的分選應用，先對人工智能軟件進行培訓，使其預先學習并記住大量的物料特征，歸納總結后形成算法。

人工智能(neng)技(ji)(ji)術的(de)進(jin)入，使(shi)分(fen)(fen)(fen)選(xuan)(xuan)(xuan)機能(neng)夠(gou)檢測(ce)成(cheng)分(fen)(fen)(fen)更復雜(za)的(de)材(cai)料，并(bing)提(ti)高分(fen)(fen)(fen)選(xuan)(xuan)(xuan)的(de)準(zhun)確性(xing)。在工業(ye)4.0時代，互(hu)聯網(wang)和云(yun)技(ji)(ji)術的(de)發展，使(shi)分(fen)(fen)(fen)選(xuan)(xuan)(xuan)機能(neng)夠(gou)收集大量的(de)云(yun)端數(shu)據，掌握更多的(de)材(cai)料特征(zheng)，進(jin)行(xing)更深(shen)度的(de)學習，從而進(jin)一(yi)步提(ti)升(sheng)分(fen)(fen)(fen)選(xuan)(xuan)(xuan)能(neng)力和精確性(xing)。

AI≠機器人

AI經(jing)常被誤(wu)認為是機(ji)器人。目(mu)前已經(jing)出現了機(ji)械手(shou)臂(bei)，在生(sheng)產中代替分揀工人執(zhi)行任(ren)務。但機(ji)器人只(zhi)是人工智(zhi)能的一種表現形式，僅僅是人工智(zhi)能概(gai)念中的一部分。

人工(gong)(gong)智(zhi)(zhi)能的(de)核(he)心是(shi)基(ji)于(yu)(yu)一(yi)定標(biao)準做(zuo)出決策(ce)。就(jiu)分選而言(yan)，是(shi)基(ji)于(yu)(yu)物料特性進行決策(ce)。換言(yan)之，軟(ruan)件(jian)和(he)算(suan)法才是(shi)人工(gong)(gong)智(zhi)(zhi)能的(de)核(he)心，而非硬件(jian)。人工(gong)(gong)智(zhi)(zhi)能可以(yi)只(zhi)是(shi)一(yi)個軟(ruan)件(jian)，例如打敗國際象(xiang)棋冠軍(jun)卡(ka)斯帕羅夫的(de)“深藍”。

云端大數據和顯著改進(jin)的計算能力相結合，使得算法軟件能夠解(jie)決比(bi)以往更復雜(za)的分選難題。

深度學習(Deep learning)是一項強大的人工智能技術，它憑借機器學習算法，從多個維度分離數量龐大的原始數據，從中提取關鍵數據進行分析。

深度(du)學(xue)習有望解決(jue)傳統的(de)(de)自學(xue)習算法無法解決(jue)的(de)(de)分選(xuan)難題。這種基于相機的(de)(de)分選(xuan)算法能夠模仿人類的(de)(de)眼(yan)和腦的(de)(de)配合(he)，從而對(dui)視(shi)覺信(xin)號的(de)(de)差異(yi)做(zuo)出(chu)區分，甚至(zhi)比大腦做(zuo)出(chu)的(de)(de)判斷結(jie)果更(geng)穩定可靠(kao)，精準度(du)更(geng)高。

在回收行業，傳統的機器學習軟件需要專業的域工程師對軟件進行設置。深度學習軟件能夠從成千上萬的物料類別中提取圖像信息特征，模仿人類大腦中的神經元活動，記錄、學習和分析這些信息，應用于復雜的分選任務。

軟件(jian)一旦學會了一項新的(de)分(fen)選任務，它便(bian)能開展(zhan)比手工(gong)分(fen)選更穩(wen)定(ding)、更高(gao)效的(de)檢測(ce)。這將顯著提升分(fen)選材料的(de)純度，并降低運營成本(ben)。

欲詳(xiang)細了解陶朗的深度學習技術，請(qing)關注”陶朗資源回收”公(gong)眾號(hao)，回復“AI”下載白皮書。

深度學習技術的問世，將回收行業帶入了新的發展階段——分選線的自動化水平更高，且回收材料的純度也更高。

• 隨著人工智能的引入，分選機無需重新編程，即可在采集少量待分選物料樣本的圖像特征后，自行學習并調整，完成針對這種物料的分選。
• 此外，云連接促成信息共享，任何錯誤檢測被發現后，都能被共享到云端，供所有其他設備學習并避免同樣錯誤。
• 設備自診斷和提前訂購零配件或服務，也將成為現實，從而減少停機時間。

深度學習將顯著拓寬分選的應用領域。當今無(wu)法(fa)解決的(de)諸多分選(xuan)難題，都有(you)望(wang)通過(guo)這一(yi)技術逐一(yi)攻克。目前還無(wu)法(fa)單獨回收的(de)材料，隨著人工智能(neng)技術的(de)發展，都將在不遠的(de)將來成為可(ke)能(neng)。

問題是，你準備好了嗎？

企業該如何借力AI技術？ 點擊查看具體案例！