陶朗(lang)資源回收(shou)業務推出了(le)一項名為 GAIN 的(de)基于(yu)深(shen)度學(xue)習(xi)的(de)分(fen)選技術，進一步強(qiang)化了(le)其(qi)在分(fen)選技術領域的(de)領先地位。
深度(du)學習技術的問世(shi)，將(jiang)回收行業(ye)帶入了(le)新(xin)的發展(zhan)階段——分(fen)(fen)選(xuan)線的自動化水平(ping)更高，且回收材料的純度(du)也更高。選(xuan)擇合適(shi)的傳感器捕捉材料的影(ying)響特征，并通過腦回神經網分(fen)(fen)析評(ping)估，分(fen)(fen)選(xuan)將(jiang)有(you)無限(xian)新(xin)可能。
在未來，隨著人(ren)工智能(neng)的(de)引入，分(fen)(fen)選(xuan)機(ji)無需(xu)重新編(bian)程，即可在采集少量(liang)待分(fen)(fen)選(xuan)物(wu)料(liao)(liao)樣(yang)本的(de)圖像特(te)征后(hou)，自行(xing)學習并調(diao)整，完成針(zhen)對這種物(wu)料(liao)(liao)的(de)分(fen)(fen)選(xuan)。此(ci)外，云連接促成信息(xi)共享，任何錯誤檢測被(bei)發現后(hou)，都能(neng)共享到云上，供所有其他設備學習并避(bi)免。今(jin)后(hou)，自診斷和提前訂購零配(pei)件或服務，也將成為(wei)現實，從而減少停機(ji)時間(jian)。
深度學習技術的(de)發(fa)展，將不斷(duan)突破(po)分選的(de)極限，目(mu)前(qian)還無法(fa)單獨回收的(de)材料，在不遠的(de)將來(lai)將成為可(ke)能。
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非(fei)常重要的角色。
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(du)學(xue)習使計算機(ji)能夠模(mo)仿人(ren)類的(de)(de)學(xue)習行為(wei)。例如，人(ren)類可以(yi)將以(yi)前看到(dao)的(de)(de)和現在(zai)(zai)看到(dao)的(de)(de)東西聯系起(qi)來，從而識別各種(zhong)各樣的(de)(de)物體或材(cai)料。把這種(zhong)本領教給機(ji)器(qi)，讓機(ji)器(qi)做同樣的(de)(de)事情，機(ji)器(qi)的(de)(de)速度(du)會比(bi)人(ren)類快得多。陶(tao)朗在(zai)(zai)早期的(de)(de)分選(xuan)機(ji)器(qi)上就(jiu)部署了人(ren)工智(zhi)能，經過(guo)長(chang)時間(jian)的(de)(de)不斷發展并在(zai)(zai)融入了深度(du)學(xue)習的(de)(de)算法之后(hou)，在(zai)(zai)人(ren)工智(zhi)能層面 GAIN已達到(dao)一個新的(de)(de)技術水(shui)平。
傳(chuan)統的機器學(xue)習(xi)主要是(shi)從(cong)數據(ju)中學(xue)習(xi)規(gui)律，并(bing)將學(xue)習(xi)到的規(gui)律用于(yu)預測新(xin)的數據(ju)。而深度(du)學(xue)習(xi)是(shi)強(qiang)(qiang)調通過深度(du)模型來(lai)學(xue)習(xi)規(gui)律，因為通常深度(du)模型的表征能(neng)力更強(qiang)(qiang)，同(tong)時深度(du)學(xue)習(xi)能(neng)夠(gou)實(shi)現自動的特征提取，能(neng)夠(gou)實(shi)現端到端學(xue)習(xi)。
深度學(xue)(xue)習(xi)(xi)和(he)傳(chuan)(chuan)統(tong)機器學(xue)(xue)習(xi)(xi)都是機器學(xue)(xue)習(xi)(xi)的范疇。但(dan)與傳(chuan)(chuan)統(tong)的機器學(xue)(xue)習(xi)(xi)不同，深度學(xue)(xue)習(xi)(xi)不需要(yao)特別的編程(cheng)，而是從(cong)收集的大量(liang)數據中(zhong)獨立(li)學(xue)(xue)習(xi)(xi)。這樣可(ke)以更好地適應不斷變化的廢物流和(he)檢(jian)測新的或(huo)被覆蓋住的物體(ti)，而這些是以前的技術所不能(neng)分選的。
融合了深度學(xue)習技能的GAIN可以從成千上(shang)萬(wan)的分(fen)(fen)選結果的物(wu)(wu)體圖片中學(xue)習，了解哪(na)些(xie)是(shi)可接受的物(wu)(wu)體哪(na)些(xie)是(shi)要放棄的物(wu)(wu)體。深度學(xue)習可模仿人腦中大量神(shen)經(jing)元(yuan)層的活動來學(xue)習復(fu)雜的任務。在機器訓練期間，通過這種方式， GAIN 學(xue)習了如何連接人工神(shen)經(jing)元(yuan)以對(dui)物(wu)(wu)體進行(xing)分(fen)(fen)類。
GAIN應用例子：剔除玻璃膠筒
因為(wei)玻璃膠筒中仍然殘(can)留(liu)著玻璃膠，為(wei)了得到純度更(geng)高(gao)的PE材料，需要將玻璃膠筒與別的PE材料分開(kai)。第一版的 GAIN 技術是專門開(kai)發用于排(pai)出(chu)玻璃膠筒的：通過(guo)使用相機收集到的信息，從聚乙烯(xi)(PE)物料流中剔除(chu) PE材質的玻璃膠筒。
除了檢測常見的玻(bo)璃(li)膠(jiao)筒，GAIN還可以檢測較(jiao)小的雙組(zu)份(fen)玻(bo)璃(li)膠(jiao)的筒體，以及變(bian)形或部分(fen)損壞(huai)的筒體。 由于分(fen)選(xuan)機器(qi)通過(guo)空氣噴射來分(fen)離材料，即使(shi)是成簇的膠(jiao)筒也可以被分(fen)類，而這項任務(wu)即使(shi)是目前市(shi)場上速度最(zui)快的采(cai)摘(zhai)機器(qi)臂(bei)也難以完成。
為了(le)完成這(zhe)項任務，GAIN學習(xi)了(le)數(shu)千張圖(tu)像(xiang)，按順(shun)序(xu)配(pei)置了(le)兩套(tao)系(xi)統，最(zui)后(hou)實現了(le)99%的(de)玻璃膠筒(tong)的(de)剔除率。
想了解GAIN的更多技術詳情，請聯系我們！
