在回收行業，人工智能(neng)（AI）的(de)(de)討論(lun)如風(feng)暴般席卷(juan)而來，背后有著充分的(de)(de)理由(you)。若應(ying)用得(de)當，當下涌現(xian)的(de)(de) AI 技術能(neng)夠改變(bian)資源回收行業的(de)(de)游戲規則，推(tui)進(jin)自動化進(jin)程(cheng)，并(bing)有效地(di)對復雜材料進(jin)行更精細的(de)(de)分選(xuan)。但(dan)如果應(ying)用不當，不僅會浪(lang)費(fei)大量時間，還會導(dao)致巨大的(de)(de)財務損失。
最近，一種新型(xing)的(de)(de)光學分選器彈射技(ji)術吸(xi)引了大家的(de)(de)注意(yi) —— 使用機械手(shou)臂而非傳統的(de)(de)閥塊技(ji)術。
傳統的(de)閥塊(kuai)光學(xue)分(fen)選器，這(zhe)種設(she)備已(yi)經在很多回收中心使用了(le)幾(ji)十(shi)年，通過精(jing)確(que)控制的(de)氣流脈(mo)沖進行物料(liao)分(fen)選，處(chu)理(li)速(su)度(du)可達每小(xiao)時8噸或更(geng)高，具體取決于分(fen)選任務的(de)復(fu)雜度(du)。而新引入(ru)的(de)機械(xie)手臂(bei)，其動(dong)作更(geng)類似于人(ren)類的(de)挑選動(dong)作，處(chu)理(li)速(su)度(du)略高于人(ren)工，大約為每小(xiao)時0.5噸。
因此，陶朗回收(shou)分選的美洲區域總監 Ty Rhoad 強調，回收(shou)商需要深入了解(jie) AI 的實質及其設計目的。他指出(chu)，AI 并非指機械設備本身，不論是(shi)機械手臂還是(shi)閥(fa)塊，而應(ying)將(jiang)注意力(li)轉向(xiang)如何將(jiang) AI 作為全(quan)面解(jie)決方案的一(yi)部分，在設施(shi)中得到有效應(ying)用。
“現在，AI 仿佛成了每(mei)個客戶都必須擁有的(de)技術，”他(ta)表示。“回收商必須徹底理解它的(de)工作原理以(yi)及它將如何優化(hua)分選(xuan)過程。否則，最終的(de)產品(pin)質量和(he)投資(zi)回報可能達不到(dao)預期。”
AI 并非新鮮事物
好(hao)消(xiao)息是，AI 對回收行業而(er)言并不是新技(ji)術，許(xu)多回收設施(shi)已(yi)經(jing)(jing)在使用(yong)各種形式(shi)的(de) AI。傳統的(de)閥塊(kuai)光學分選技(ji)術，借助數十年的(de) AI 應(ying)用(yong)，已(yi)經(jing)(jing)實現了(le)(le)分選流(liu)程的(de)自動(dong)化并提(ti)(ti)高了(le)(le)回收產品的(de)純度(du)(du)(du)。設施(shi)構建者(zhe)和技(ji)術供應(ying)商(shang)與客戶合作(zuo)，設計了(le)(le)材料流(liu)動(dong)路徑，旨在提(ti)(ti)升產量、純度(du)(du)(du)和處理(li)速度(du)(du)(du)，同時(shi)減少手工分選的(de)需(xu)求。
AI 的(de)核(he)心在于軟件(jian)和算法(fa)，而(er)非硬件(jian)。傳(chuan)統 AI 結合了多種(zhong)傳(chuan)感器技(ji)術，如 RGB 相機、近紅外(wai)(NIR)、激光、電磁(ci)(EM)和X射線，能自動識別(bie)并處(chu)理不同的(de)材料。“傳(chuan)統 AI 本(ben)質上是一個手動設置的(de)過(guo)程，”陶朗的(de)現場服務主管 Anthony Belmares 表(biao)示。“技(ji)術人(ren)員負責設計(ji)分選系統，并將其集(ji)成到我們自主開發的(de)分選軟件(jian)中(zhong)。”
每臺基于傳(chuan)(chuan)感(gan)器的(de)(de)分選(xuan)機(ji)都包(bao)含許多(duo)關鍵組件(jian)，它們(men)各司其職，根據(ju)(ju)分選(xuan)任務的(de)(de)需要(yao)進行選(xuan)擇配(pei)置。材(cai)料分選(xuan)的(de)(de)效率取決于傳(chuan)(chuan)感(gan)器系(xi)統(tong)(tong)(tong)、數據(ju)(ju)處理軟(ruan)件(jian)、輸送系(xi)統(tong)(tong)(tong)和(he)噴射系(xi)統(tong)(tong)(tong)等核心組件(jian)的(de)(de)協同工作。Rhoad 表示：“我們(men)自行開發軟(ruan)件(jian)，以便為不同的(de)(de)材(cai)料流，從廢(fei)物、塑料到金(jin)屬和(he)木材(cai)，提供最佳(jia)的(de)(de)分選(xuan)性(xing)能。”
傳(chuan)感器技術和傳(chuan)統 AI 的(de)(de)進(jin)步已(yi)經在自動(dong)化分(fen)選方面取得(de)了(le)顯(xian)著成果。隨(sui)著光學分(fen)選器設計的(de)(de)進(jin)化，更(geng)強大的(de)(de)算力(li)和更(geng)精(jing)確(que)的(de)(de)算法被應用，利用傳(chuan)統 AI 顯(xian)著提高(gao)了(le)顏色分(fen)選的(de)(de)準確(que)度。“這使(shi)得(de)材料(liao)回收設施能(neng)夠(gou)更(geng)高(gao)效地分(fen)選出高(gao)價值的(de)(de)透明(ming)和淺(qian)藍色 PET，從而(er)以更(geng)高(gao)的(de)(de)純度和較少(shao)的(de)(de)污染(ran)出售，相比之下，這些(xie)材料(liao)以前可(ke)能(neng)只能(neng)作為(wei)較低等級的(de)(de)材料(liao)出售，”Rhoad 解釋(shi)說。
五年前，光學分選器(qi)難以區分 PET 瓶和熱成型(xing)制品。現在(zai)，區分這兩(liang)種材料的(de)(de)能(neng)力(li)意(yi)味著更高質量的(de)(de) rPET 可(ke)以被循環利用制造(zao)新的(de)(de) PET 瓶。“我們開發了 SHARP EYE? 傳感器(qi) 和我們的(de)(de)智能(neng)對象識別軟(ruan)件(jian)，使 AUTOSORT? 能(neng)夠識別 PET 瓶和熱成型(xing)制品之間的(de)(de)細微差別，從而(er)實現它們的(de)(de)分離和等效(xiao)回收，”TOMRA 的(de)(de)塑料部門經(jing)理 Eric Olsson 表示。
他還提到了最近在(zai)片狀(zhuang)物(wu)料分(fen)(fen)選方(fang)面(mian)的(de)進(jin)展，以及公司在(zai)開發一種(zhong)機械分(fen)(fen)選過(guo)程方(fang)面(mian)的(de)開創(chuang)性工作，該過(guo)程能(neng)夠(gou)一致性地(di)按照聚(ju)合物(wu)類(lei)型和(he)顏色(se)分(fen)(fen)離混合的(de)聚(ju)烯烴(jing)，為食(shi)品級的(de)閉環回(hui)(hui)收(shou)鋪平了道路。“我們在(zai)近紅外(NIR)傳感(gan)器、雙面(mian)彩(cai)色(se)相(xiang)機和(he)分(fen)(fen)選軟件(jian)方(fang)面(mian)取得(de)的(de)進(jin)步，確保了 PE 和(he) PP 材料的(de)有效分(fen)(fen)類(lei)，為混合聚(ju)烯烴(jing)實現(xian)閉環回(hui)(hui)收(shou)奠定了基礎，”Olsson 補(bu)充說。
深度學習——革命性的變革者
對于回收行(xing)業而言，今(jin)天的(de)(de)革命性(xing)(xing)技(ji)術(shu)是(shi) AI 中的(de)(de)深度(du)學(xue)習部分，它進一步提高了分選的(de)(de)準(zhun)確(que)性(xing)(xing)和(he)(he)對材(cai)料(liao)流的(de)(de)適(shi)應性(xing)(xing)。龐大的(de)(de)訓練數(shu)據(ju)集(ji)和(he)(he)神經網(wang)絡使深度(du)學(xue)習技(ji)術(shu)能夠識(shi)別和(he)(he)回收那些傳(chuan)統(tong)技(ji)術(shu)難以(yi)甚至無法區分的(de)(de)材(cai)料(liao)。
為了(le)讓深度學(xue)習發揮作(zuo)用(yong)，軟件(jian)工程師需要使用(yong)成千(qian)上萬張圖片對網絡進行(xing)訓練，這些(xie)圖片包含(han)了(le)豐富的對象信息。網絡通(tong)過識(shi)別數據中的模式，將這些(xie)信息與分選任務相(xiang)聯系。
鑒于這(zhe)(zhe)些(xie)最(zui)新(xin)的(de)(de)(de) AI 進展是特定應用(yong)領(ling)域的(de)(de)(de)，Belmares 提醒說(shuo)，技(ji)術供應商(shang)必須向客戶(hu)提供材料測試、培訓(xun)和優化服(fu)務。“供應商(shang)不能僅僅是將基于 AI 的(de)(de)(de)設(she)備(bei)安裝好(hao)就走人，”他說(shuo)。“只有經過良好(hao)的(de)(de)(de)優化和定位，以及培訓(xun)員(yuan)工如(ru)何充分利用(yong)這(zhe)(zhe)些(xie)設(she)備(bei)，才能發(fa)揮出(chu)設(she)備(bei)的(de)(de)(de)最(zui)大潛(qian)力。”
優化使(shi)得分選過程能(neng)夠更加精細。盡管傳統的光學分選器(qi)可(ke)以準確地(di)識別并(bing)(bing)從材料(liao)流(liu)中(zhong)分離(li)出鋁，“通過深(shen)度學習訓練的系(xi)統進一步地(di)，能(neng)夠檢(jian)測并(bing)(bing)分離(li)出流(liu)中(zhong)的特定鋁制品，如使(shi)用過的飲料(liao)容器(qi)（UBC），”Rhoad 說明(ming)。“深(shen)度學習使(shi)得回收商可(ke)以針對性地(di)選擇特定價(jia)值流(liu)，并(bing)(bing)提升該產品的純(chun)度。”
Rhoad 對(dui)深度學習(xi)以(yi)及(ji) AI 在未來(lai)改善分(fen)選(xuan)過程中(zhong)的(de)(de)角(jiao)色持樂(le)觀態度。“我們已經推(tui)出了(le)基于陶朗(lang)深度學習(xi) GAIN 的(de)(de)木材分(fen)選(xuan)等(deng)應用，并即將(jiang)推(tui)出專注于上述 UBC 清(qing)潔的(de)(de)應用。我們還(huan)看到了(le)在 PET 清(qing)潔以(yi)及(ji)從材料流中(zhong)識別(bie) PET 食品級容器方面的(de)(de)行業潛力。”
由于 AI 的(de)深度(du)學(xue)習(xi)技(ji)術能夠被訓練來像人類分(fen)選(xuan)工一樣(yang)識(shi)別(bie)傳(chuan)送帶上的(de)物體，當與傳(chuan)統的(de)分(fen)選(xuan)技(ji)術結合(he)(he)使用(yong)時，它能夠將(jiang)最終產品的(de)質量(liang)和產量(liang)提升到新的(de)高度(du)。然而，由于深度(du)學(xue)習(xi)技(ji)術是針對特定應用(yong)的(de)，回收商需要與值得信賴的(de)技(ji)術供應商合(he)(he)作，確保他們能夠充分(fen)利用(yong)這一技(ji)術。