人工智能(AI)技術正在改變回收行業。

發明具有(you)人(ren)類智慧的機器，為(wei)人(ren)類服務——這(zhe)一(yi)想法最初產生(sheng)于20世紀40年代(dai)。如今，計(ji)算能(neng)力的提高、互聯(lian)網技術以及(ji)云存儲技術使得捕獲(huo)大量數據成為(wei)可能(neng)，讓分選(xuan)設備能(neng)夠實(shi)現(xian)相互連接，也為(wei)引入(ru)人(ren)工智能(neng)打下了(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(zai)分選領(ling)域，人(ren)工智能可以大(da)幅提(ti)升(sheng)分選后(hou)的產品純度，從而擴寬回(hui)收材(cai)料的應用領(ling)域，增加企業(ye)收益。人(ren)工智能還能提(ti)高資源回(hui)收的自動化水平，減少人(ren)工，降低運營(ying)成(cheng)本，提(ti)升(sheng)產線的安全性和穩定性。

20世紀40年代

受大腦神經元(yuan)網(wang)絡研(yan)究的啟發

科(ke)學家們(men)開始(shi)探索構建“人工大腦”的可(ke)能性

20世紀50年代中期

機械設(she)備能(neng)夠(gou)展現出部分智能(neng)特征

為人工智能(neng)的誕生(sheng)奠(dian)定(ding)了基礎

當時，計算機(ji)發現并證明了(le)新的數(shu)學算法(fa)

并由此引發了一個AI領域的投(tou)資(zi)熱潮

1997年

這是AI發展的(de)高峰期，涌現許多巨大的(de)技(ji)術成就

如AI軟件(jian)“深藍”打敗了國際象(xiang)棋(qi)世界冠(guan)軍卡斯帕羅夫

2017

AI程序AlphaGo(阿(a)爾法狗)在(zai)最復雜(za)的棋類(lei)競技

圍棋中(zhong)打敗了排名世(shi)界第一(yi)的柯潔

現在

隨著計算機產業和大數據技術的(de)飛速發展

人工智能的(de)研(yan)發(fa)又進入(ru)了(le)另(ling)一個高峰(feng)期

各國(guo)政府和(he)企業在AI領(ling)域砸下重金

在各行各業推進AI技術的(de)開(kai)發和應

希望突破行業發展(zhan)所面臨的局限

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，借助簡單(dan)的(de)規則做(zuo)出判斷，決定(ding)物料被保留或被剔除(chu)。

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(ti)高了光(guang)電分選設(she)備的精確性。

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(ren)工(gong)智(zhi)能技(ji)術的(de)進(jin)入，使分選機能夠檢(jian)測(ce)成(cheng)分更(geng)復雜的(de)材(cai)料(liao)，并提(ti)高分選的(de)準確性。在(zai)工(gong)業4.0時代，互聯網和云(yun)技(ji)術的(de)發展，使分選機能夠收(shou)集大量的(de)云(yun)端數據，掌握更(geng)多的(de)材(cai)料(liao)特征，進(jin)行更(geng)深(shen)度(du)的(de)學(xue)習，從而進(jin)一步提(ti)升分選能力(li)和精確性。

AI≠機器人

AI經(jing)常被誤認為(wei)是機器人(ren)。目前已經(jing)出(chu)現(xian)了機械手臂，在生產(chan)中(zhong)代替(ti)分揀工(gong)人(ren)執行任(ren)務。但機器人(ren)只是人(ren)工(gong)智能的一種表現(xian)形式(shi)，僅僅是人(ren)工(gong)智能概念(nian)中(zhong)的一部分。

人(ren)(ren)工智(zhi)(zhi)能的(de)(de)核心(xin)是基(ji)于一定(ding)標準做出決策(ce)(ce)。就分選而言，是基(ji)于物料特性進行決策(ce)(ce)。換言之，軟(ruan)件(jian)和算法才是人(ren)(ren)工智(zhi)(zhi)能的(de)(de)核心(xin)，而非硬件(jian)。人(ren)(ren)工智(zhi)(zhi)能可(ke)以只是一個軟(ruan)件(jian)，例如(ru)打(da)敗國際(ji)象棋冠軍(jun)卡(ka)斯帕羅夫的(de)(de)“深藍”。

云端大數據和顯著改進的計算能(neng)力相結合，使(shi)得算法軟(ruan)件能(neng)夠(gou)解決(jue)比以往更復雜的分選難題。

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。

深度學(xue)習有望解決(jue)傳統的(de)(de)(de)自學(xue)習算法無法解決(jue)的(de)(de)(de)分(fen)選難題。這種(zhong)基(ji)于相機的(de)(de)(de)分(fen)選算法能夠(gou)模仿人類的(de)(de)(de)眼和腦的(de)(de)(de)配合，從而(er)對視覺信號的(de)(de)(de)差(cha)異做出(chu)區分(fen)，甚至比大腦做出(chu)的(de)(de)(de)判斷結(jie)果更(geng)穩定可靠(kao)，精準度更(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。

軟件一旦學會了一項新的(de)分(fen)(fen)選任務，它便能(neng)開展比(bi)手工分(fen)(fen)選更(geng)穩定、更(geng)高效的(de)檢測(ce)。這(zhe)將顯(xian)著提升分(fen)(fen)選材料的(de)純(chun)度，并降低運(yun)營成本(ben)。

欲(yu)詳(xiang)細了解陶朗(lang)(lang)的深(shen)度學習技(ji)術，請關(guan)注”陶朗(lang)(lang)資源(yuan)回收”公眾號，回復“AI”下載白(bai)皮(pi)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。當今無法解決的諸多分選難題，都有望(wang)通過這一(yi)(yi)技術逐一(yi)(yi)攻克(ke)。目(mu)前還無法單獨回收的材料，隨著人工智能技術的發展，都將(jiang)在不遠的將(jiang)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！