陶朗資源(yuan)回收業務推(tui)出了一項名(ming)為(wei) GAIN 的基(ji)于深度學(xue)習(xi)的分選(xuan)技術,進一步強化了其在分選(xuan)技術領域(yu)的領先地位。
深度學習技(ji)術的問世(shi),將回(hui)收行(xing)業(ye)帶入了新的發展階(jie)段——分(fen)選(xuan)線的自動化水平更高,且回(hui)收材料的純度也更高。選(xuan)擇合適(shi)的傳感器捕捉材料的影響特征,并通過(guo)腦回(hui)神經網分(fen)析(xi)評估,分(fen)選(xuan)將有(you)無限新可能。
在(zai)未來(lai),隨著(zhu)人工(gong)智能的(de)引入,分(fen)選機無需(xu)重新(xin)編程,即可在(zai)采集少(shao)量(liang)待分(fen)選物料樣本的(de)圖像特征(zheng)后,自(zi)行學(xue)習并(bing)調整,完(wan)成(cheng)針對這種(zhong)物料的(de)分(fen)選。此外,云(yun)連接(jie)促成(cheng)信息共(gong)(gong)享(xiang),任何錯誤檢測被發現后,都能共(gong)(gong)享(xiang)到云(yun)上,供所有其他設備學(xue)習并(bing)避免。今后,自(zi)診斷和(he)提(ti)前訂(ding)購(gou)零配件(jian)或服務,也將成(cheng)為現實,從而減少(shao)停機時間。
深(shen)度學習(xi)技術(shu)的(de)發(fa)展,將(jiang)(jiang)不斷突破分(fen)選的(de)極限(xian),目(mu)前還無法(fa)單獨回(hui)收(shou)的(de)材料,在不遠的(de)將(jiang)(jiang)來將(jiang)(jiang)成為可能(neng)。
GAIN 技術于2019年11月5日在意大利節能環保展ECOMONDO正式發布,這是歐洲最負盛名的節能環保及水處理展會。為了實現真正的循環經濟,最大化地對各種資源進行回收再生、循環利用非常重要,而陶朗的資源回收分選技術將在其中扮演(yan)非常重要的角(jiao)色(se)。
將深度學習等人工智能技術融入分選領域,將幫助分選機器適應新的廢物流。隨著我們走向循環經濟,分選技術的發展和應用(yong)將變得越來越重要。
深度學習,智能的分選技術
深度學習使計算機(ji)(ji)能(neng)夠(gou)模(mo)仿人(ren)類(lei)的(de)學習行為。例如,人(ren)類(lei)可以將以前看(kan)到(dao)的(de)和現(xian)在看(kan)到(dao)的(de)東(dong)西(xi)聯系起來,從而識別各種(zhong)各樣(yang)(yang)的(de)物體或(huo)材(cai)料。把這(zhe)種(zhong)本領教給機(ji)(ji)器,讓機(ji)(ji)器做(zuo)同樣(yang)(yang)的(de)事情,機(ji)(ji)器的(de)速(su)度會比人(ren)類(lei)快(kuai)得(de)多(duo)。陶朗(lang)在早期的(de)分選(xuan)機(ji)(ji)器上(shang)就(jiu)部署了(le)人(ren)工智(zhi)能(neng),經(jing)過(guo)長時(shi)間的(de)不斷發展并在融入了(le)深度學習的(de)算法(fa)之后,在人(ren)工智(zhi)能(neng)層(ceng)面 GAIN已達到(dao)一個新的(de)技(ji)術水平。
傳統的(de)機器學(xue)習(xi)主(zhu)要是從(cong)數(shu)據中(zhong)學(xue)習(xi)規律(lv),并(bing)將學(xue)習(xi)到的(de)規律(lv)用于預測新的(de)數(shu)據。而深度(du)(du)學(xue)習(xi)是強調通過深度(du)(du)模型(xing)來學(xue)習(xi)規律(lv),因(yin)為通常深度(du)(du)模型(xing)的(de)表征能(neng)力更強,同時(shi)深度(du)(du)學(xue)習(xi)能(neng)夠實現(xian)自動的(de)特征提取,能(neng)夠實現(xian)端(duan)到端(duan)學(xue)習(xi)。
深度學(xue)(xue)(xue)習(xi)和(he)傳統機(ji)(ji)器(qi)(qi)學(xue)(xue)(xue)習(xi)都(dou)是機(ji)(ji)器(qi)(qi)學(xue)(xue)(xue)習(xi)的(de)(de)(de)范疇。但(dan)與傳統的(de)(de)(de)機(ji)(ji)器(qi)(qi)學(xue)(xue)(xue)習(xi)不同,深度學(xue)(xue)(xue)習(xi)不需(xu)要特別的(de)(de)(de)編程(cheng),而是從收(shou)集(ji)的(de)(de)(de)大(da)量數據中獨立學(xue)(xue)(xue)習(xi)。這(zhe)樣可以更好地(di)適應不斷(duan)變化的(de)(de)(de)廢物(wu)流和(he)檢測新(xin)的(de)(de)(de)或被覆蓋住的(de)(de)(de)物(wu)體,而這(zhe)些是以前的(de)(de)(de)技術所不能分選的(de)(de)(de)。
融合(he)了(le)深(shen)度(du)學習技能(neng)的(de)(de)GAIN可(ke)(ke)以從成千上萬(wan)的(de)(de)分選結果的(de)(de)物體圖片(pian)中學習,了(le)解哪些是可(ke)(ke)接受的(de)(de)物體哪些是要放棄(qi)的(de)(de)物體。深(shen)度(du)學習可(ke)(ke)模仿人(ren)腦中大量(liang)神(shen)(shen)經(jing)元層(ceng)的(de)(de)活動來學習復雜的(de)(de)任(ren)務。在機器訓練期間,通過這(zhe)種(zhong)方式, GAIN 學習了(le)如何連接人(ren)工神(shen)(shen)經(jing)元以對物體進行分類。
GAIN應用例子:剔除玻璃膠筒
因(yin)為(wei)(wei)玻(bo)璃(li)膠(jiao)筒(tong)(tong)中(zhong)仍(reng)然(ran)殘留著玻(bo)璃(li)膠(jiao),為(wei)(wei)了得(de)到純度更高的(de)(de)(de)(de)PE材(cai)料,需(xu)要將玻(bo)璃(li)膠(jiao)筒(tong)(tong)與別的(de)(de)(de)(de)PE材(cai)料分開。第一版的(de)(de)(de)(de) GAIN 技(ji)術是專門開發用于排出玻(bo)璃(li)膠(jiao)筒(tong)(tong)的(de)(de)(de)(de):通過使用相(xiang)機收(shou)集(ji)到的(de)(de)(de)(de)信息,從聚乙烯(PE)物料流中(zhong)剔除 PE材(cai)質(zhi)的(de)(de)(de)(de)玻(bo)璃(li)膠(jiao)筒(tong)(tong)。
除了檢測(ce)(ce)常見的(de)玻(bo)璃膠(jiao)(jiao)筒(tong),GAIN還可以(yi)檢測(ce)(ce)較小(xiao)的(de)雙(shuang)組份玻(bo)璃膠(jiao)(jiao)的(de)筒(tong)體(ti),以(yi)及變(bian)形或部分(fen)損壞的(de)筒(tong)體(ti)。 由于分(fen)選機器通過空氣(qi)噴射來分(fen)離材料,即使(shi)是成簇的(de)膠(jiao)(jiao)筒(tong)也(ye)可以(yi)被(bei)分(fen)類,而這項任務即使(shi)是目(mu)前市場上速度最快的(de)采(cai)摘機器臂也(ye)難(nan)以(yi)完成。
為了完成這項任務(wu),GAIN學習了數千(qian)張圖像(xiang),按順(shun)序配置了兩套系統,最后實現了99%的玻璃膠(jiao)筒的剔除率。
想了解GAIN的更多技術詳情,請聯系我們!