人工智能(AI)技術正在改變回收行業。

發明(ming)具(ju)有(you)人(ren)類智(zhi)慧的機(ji)器，為人(ren)類服務——這一想法最初產生于20世(shi)紀40年(nian)代。如(ru)今，計(ji)算能(neng)力的提高、互(hu)聯網(wang)技術以及云(yun)存(cun)儲(chu)技術使得捕獲大量(liang)數據成為可能(neng)，讓分選設備(bei)能(neng)夠實(shi)現相互(hu)連接，也(ye)為引(yin)入人(ren)工智(zhi)能(neng)打下了基礎。

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(ling)域，人工智能可(ke)以大幅(fu)提升分選(xuan)后的(de)產品(pin)純(chun)度，從而擴寬回收材料的(de)應用領(ling)域，增加企業收益。人工智能還能提高資源回收的(de)自動化水平，減少人工，降低運營成本，提升產線的(de)安全性和穩(wen)定性。

20世紀40年代

受大腦神經(jing)元網絡研究(jiu)的啟發

科學家(jia)們(men)開始探索構建“人工(gong)大(da)腦(nao)”的可能性

20世紀50年代中期

機械設備能夠展(zhan)現出部分智能特征

為人(ren)工智能的誕生(sheng)奠定了基礎

當(dang)時(shi)，計算機發現并證明了新的數(shu)學算法

并由(you)此引(yin)發了一(yi)個AI領域的投資熱潮

1997年

這是AI發展(zhan)的高峰期，涌現(xian)許多(duo)巨大的技術成就(jiu)

如AI軟件“深藍”打敗了(le)國(guo)際象棋(qi)世界冠軍卡斯帕羅(luo)夫

2017

AI程(cheng)序AlphaGo(阿爾(er)法(fa)狗)在最復雜的棋(qi)類競(jing)技

圍棋中(zhong)打敗了排名世界第一的柯潔

現在

隨著(zhu)計算(suan)機產業(ye)和大數據技(ji)術(shu)的飛速(su)發(fa)展(zhan)

人(ren)工(gong)智(zhi)能的研發又進(jin)入了(le)另一個高(gao)峰期

各國政府和企(qi)業在AI領域(yu)砸下(xia)重(zhong)金

在各行各業推進AI技術的開發和應(ying)

希望突破(po)行業(ye)發(fa)展所面臨的(de)局(ju)限

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(zhu)簡單的規則做(zuo)出(chu)判斷，決定物料被保留或被剔除。

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(gao)了光電(dian)分(fen)選設備的精(jing)確(que)性。

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(gong)智能(neng)技術的進入，使分(fen)選(xuan)機能(neng)夠檢測成分(fen)更(geng)復雜(za)的材料(liao)，并(bing)提高分(fen)選(xuan)的準確(que)性(xing)。在工(gong)業4.0時代，互(hu)聯網和(he)云技術的發(fa)展，使分(fen)選(xuan)機能(neng)夠收集大量的云端數據(ju)，掌握更(geng)多(duo)的材料(liao)特征，進行更(geng)深度的學(xue)習(xi)，從而進一步提升分(fen)選(xuan)能(neng)力和(he)精確(que)性(xing)。

AI≠機器人

AI經常被誤(wu)認為是機(ji)器人(ren)(ren)(ren)。目(mu)前已經出(chu)現了機(ji)械手(shou)臂，在生產中代替分揀(jian)工人(ren)(ren)(ren)執行任務。但機(ji)器人(ren)(ren)(ren)只是人(ren)(ren)(ren)工智(zhi)能(neng)的(de)一種表現形式，僅僅是人(ren)(ren)(ren)工智(zhi)能(neng)概念中的(de)一部分。

人工(gong)(gong)智能的核心(xin)是(shi)(shi)基于一定標準(zhun)做出(chu)決策。就分選而言(yan)，是(shi)(shi)基于物料特性進(jin)行決策。換(huan)言(yan)之，軟件和算法才是(shi)(shi)人工(gong)(gong)智能的核心(xin)，而非硬件。人工(gong)(gong)智能可(ke)以只是(shi)(shi)一個軟件，例如(ru)打敗國際象(xiang)棋(qi)冠軍(jun)卡斯帕羅夫的“深藍”。

云端大(da)數據和顯著改進的(de)(de)計算(suan)能(neng)力(li)相(xiang)結合，使得算(suan)法(fa)軟(ruan)件能(neng)夠解決比以往更復雜(za)的(de)(de)分(fen)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)學習有(you)望解決(jue)傳(chuan)統(tong)的(de)(de)自學習算(suan)法(fa)無法(fa)解決(jue)的(de)(de)分選難題。這種基于(yu)相(xiang)機(ji)的(de)(de)分選算(suan)法(fa)能夠模(mo)仿人類的(de)(de)眼和(he)腦的(de)(de)配合，從而對(dui)視覺信號的(de)(de)差異做出區分，甚至(zhi)比大腦做出的(de)(de)判(pan)斷(duan)結果更穩(wen)定可靠，精準度(du)更高。

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(ruan)件一(yi)旦學會了一(yi)項(xiang)新的分選(xuan)任務，它(ta)便能開展比手(shou)工分選(xuan)更穩定、更高效的檢測。這將顯著提升(sheng)分選(xuan)材料的純度(du)，并降低運營成本(ben)。

欲詳細了解陶朗的深(shen)度學習技術，請關注”陶朗資源回收”公眾號，回復“AI”下(xia)載(zai)白(bai)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(dang)今(jin)無法(fa)(fa)解決(jue)的(de)(de)諸多分選難題(ti)，都有望通過(guo)這一技(ji)術逐(zhu)一攻克。目前(qian)還無法(fa)(fa)單獨(du)回(hui)收的(de)(de)材料，隨著人工智能技(ji)術的(de)(de)發展，都將在不遠的(de)(de)將來成為可能。

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！