人工智能(AI)技術正在改變回收行業。

發明具有人(ren)類(lei)智(zhi)慧(hui)的機器，為人(ren)類(lei)服務——這一想法(fa)最(zui)初(chu)產生于20世(shi)紀40年代。如今(jin)，計算能(neng)力(li)的提高、互聯網技術(shu)以及云存儲技術(shu)使(shi)得捕獲(huo)大量數據成為可能(neng)，讓分選設備(bei)能(neng)夠實現相互連(lian)接(jie)，也為引入人(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。

在分選領(ling)域，人(ren)(ren)工(gong)智能可以(yi)大幅提(ti)升分選后的產品(pin)純度，從而擴寬(kuan)回收(shou)(shou)材(cai)料的應(ying)用領(ling)域，增加企業收(shou)(shou)益。人(ren)(ren)工(gong)智能還能提(ti)高(gao)資源回收(shou)(shou)的自動化水平，減(jian)少(shao)人(ren)(ren)工(gong)，降低(di)運營成本，提(ti)升產線的安(an)全性和(he)穩定性。

20世紀40年代

受大腦神經(jing)元(yuan)網絡研究(jiu)的啟發(fa)

科(ke)學家們開始探索構(gou)建(jian)“人工(gong)大腦”的(de)可(ke)能性

20世紀50年代中期

機械設備(bei)能夠展現(xian)出部(bu)分智(zhi)能特(te)征

為(wei)人工智能的誕生(sheng)奠定了基(ji)礎

當時，計算機發現并(bing)證明了新的數學算法(fa)

并由此引發了一個AI領域的投資熱潮(chao)

1997年

這是AI發展的高峰期，涌現許多巨大(da)的技術成就

如AI軟件“深(shen)藍(lan)”打(da)敗(bai)了(le)國際(ji)象棋世(shi)界冠軍(jun)卡斯(si)帕羅夫

2017

AI程序AlphaGo(阿(a)爾法狗)在(zai)最復雜的(de)棋類競技

圍棋中打敗了排名世界第一(yi)的柯潔(jie)

現在

隨著計(ji)算(suan)機(ji)產業和大數據(ju)技術的飛速發展

人工(gong)智能的研(yan)發又進(jin)入了另一個高峰期

各國政府和企業在AI領域砸下重(zhong)金

在各行各業推進AI技術的開發和(he)應

希望突破行業發(fa)展所面(mian)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(jian)單的規則做(zuo)出判斷，決定物料被保留(liu)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，大幅提高了光電分選(xuan)設備(bei)的精確(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。

人工智能技術的(de)(de)進入，使(shi)分(fen)選(xuan)(xuan)機(ji)能夠檢(jian)測(ce)成(cheng)分(fen)更復雜(za)的(de)(de)材料，并(bing)提(ti)高分(fen)選(xuan)(xuan)的(de)(de)準(zhun)確(que)性。在工業(ye)4.0時代，互聯網和(he)云技術的(de)(de)發展，使(shi)分(fen)選(xuan)(xuan)機(ji)能夠收集(ji)大量的(de)(de)云端(duan)數據，掌握(wo)更多(duo)的(de)(de)材料特征，進行更深度的(de)(de)學習(xi)，從而進一步提(ti)升分(fen)選(xuan)(xuan)能力和(he)精(jing)確(que)性。

AI≠機器人

AI經(jing)常(chang)被(bei)誤認為(wei)是(shi)機(ji)(ji)(ji)器(qi)人。目前已經(jing)出現了機(ji)(ji)(ji)械手臂(bei)，在生(sheng)產中代替(ti)分(fen)揀(jian)工(gong)人執行任(ren)務。但機(ji)(ji)(ji)器(qi)人只(zhi)是(shi)人工(gong)智能的(de)一種表現形式，僅僅是(shi)人工(gong)智能概念中的(de)一部分(fen)。

人(ren)工智能(neng)的核心是(shi)(shi)基(ji)于一(yi)定(ding)標(biao)準做出決策。就分選而言，是(shi)(shi)基(ji)于物料特性進行決策。換(huan)言之(zhi)，軟件和(he)算法(fa)才是(shi)(shi)人(ren)工智能(neng)的核心，而非(fei)硬件。人(ren)工智能(neng)可以只是(shi)(shi)一(yi)個軟件，例如打敗國際象棋冠軍卡(ka)斯(si)帕羅夫的“深藍”。

云(yun)端大數據(ju)和顯著(zhu)改(gai)進的計(ji)算(suan)能(neng)力(li)相結合，使得(de)算(suan)法軟件能(neng)夠解決比以(yi)往更(geng)復雜(za)的分(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)學習有望解決傳(chuan)統的自學習算法無法解決的分選難題。這(zhe)種基于相機(ji)的分選算法能(neng)夠模仿人類(lei)的眼和(he)腦的配合，從而(er)對視覺信(xin)號的差異做出(chu)區分，甚至比大腦做出(chu)的判斷結果更(geng)穩(wen)定可靠，精準度(du)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(hui)了一項新的分(fen)選(xuan)任務(wu)，它便能開展比手工分(fen)選(xuan)更(geng)穩定(ding)、更(geng)高效的檢測。這(zhe)將顯(xian)著提升(sheng)分(fen)選(xuan)材(cai)料(liao)的純度，并降低運營成本(ben)。

欲詳細了(le)解陶朗的深度學習技術，請關注”陶朗資源回(hui)(hui)收”公眾號，回(hui)(hui)復“AI”下載白皮書。

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。當今無(wu)法(fa)解決的(de)諸多分選難題，都有望通過這一(yi)技(ji)術(shu)逐一(yi)攻克(ke)。目前還無(wu)法(fa)單獨回收的(de)材料，隨著人工智能(neng)技(ji)術(shu)的(de)發展，都將在不遠的(de)將來成為可能(neng)。

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！