人工智能(AI)技術正在改變回收行業。

發明具有人(ren)類(lei)(lei)智慧的機(ji)器，為人(ren)類(lei)(lei)服務——這一(yi)想(xiang)法最(zui)初產生于(yu)20世紀(ji)40年代。如今，計算能力(li)的提高、互聯網(wang)技(ji)(ji)術以及(ji)云存儲(chu)技(ji)(ji)術使(shi)得捕獲大(da)量數(shu)據(ju)成為可(ke)能，讓分選設備能夠實現相互連接，也(ye)為引入人(ren)工智能打下了基(ji)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(fen)選領(ling)域，人工智(zhi)能(neng)可(ke)以大幅提(ti)升(sheng)分(fen)選后的(de)產品純(chun)度(du)，從(cong)而擴(kuo)寬回(hui)收材料的(de)應用領(ling)域，增加企業收益。人工智(zhi)能(neng)還(huan)能(neng)提(ti)高資(zi)源回(hui)收的(de)自動化水平，減(jian)少(shao)人工，降低(di)運營成本，提(ti)升(sheng)產線的(de)安全性和穩(wen)定性。

20世紀40年代

受大(da)腦神經元(yuan)網(wang)絡研究的啟(qi)發

科學家們開始探索(suo)構建“人工大(da)腦”的可能性

20世紀50年代中期

機械設備能夠展現出部分智能特征(zheng)

為(wei)人工智(zhi)能的(de)誕(dan)生奠(dian)定了基礎

當時，計算(suan)機發(fa)現(xian)并證明了新的數學算(suan)法

并由此引發(fa)了一個AI領域的投(tou)資熱潮(chao)

1997年

這是AI發展的(de)高(gao)峰期，涌現許多巨大的(de)技術成就(jiu)

如(ru)AI軟(ruan)件“深藍”打(da)敗了國際象棋世(shi)界冠軍卡(ka)斯帕羅(luo)夫

2017

AI程序AlphaGo(阿爾法狗)在(zai)最復雜的棋(qi)類競技

圍棋中(zhong)打敗了排名世界第一的柯潔(jie)

現在

隨(sui)著計算機產業和大數據技術(shu)的(de)飛速(su)發展

人工(gong)智能(neng)的研(yan)發(fa)又進入了另一(yi)個高峰期

各(ge)國政府(fu)和企業在AI領域砸(za)下重金(jin)

在各行各業(ye)推進AI技術的開(kai)發(fa)和應

希望突破(po)行業發展所面臨的局(ju)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，借助簡單的規(gui)則做出判斷，決(jue)定物(wu)料被保留或被剔除。

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設備的精確性。

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。

人工智(zhi)能技術(shu)的(de)(de)進(jin)入，使(shi)分選(xuan)機(ji)能夠(gou)檢測成分更復雜(za)的(de)(de)材料(liao)(liao)，并提高(gao)分選(xuan)的(de)(de)準確(que)性(xing)。在工業4.0時代，互聯網和云技術(shu)的(de)(de)發展，使(shi)分選(xuan)機(ji)能夠(gou)收集大量的(de)(de)云端數(shu)據，掌握更多的(de)(de)材料(liao)(liao)特征，進(jin)行更深度的(de)(de)學(xue)習，從而進(jin)一步提升分選(xuan)能力和精確(que)性(xing)。

AI≠機器人

AI經(jing)常被誤認為(wei)是(shi)機(ji)器(qi)人。目前已經(jing)出現(xian)了機(ji)械手臂，在生產中代替分揀工人執行(xing)任(ren)務。但(dan)機(ji)器(qi)人只是(shi)人工智能(neng)的一種(zhong)表現(xian)形式，僅(jin)僅(jin)是(shi)人工智能(neng)概念(nian)中的一部(bu)分。

人工(gong)智(zhi)能的核心是(shi)基于一(yi)定(ding)標準做出決策。就分選而(er)言(yan)，是(shi)基于物料特性進行決策。換言(yan)之，軟件和算(suan)法(fa)才是(shi)人工(gong)智(zhi)能的核心，而(er)非硬件。人工(gong)智(zhi)能可以(yi)只是(shi)一(yi)個(ge)軟件，例如打敗國(guo)際象棋冠(guan)軍卡斯帕羅(luo)夫(fu)的“深藍”。

云端大數據(ju)和顯著改(gai)進的(de)(de)計(ji)算能力相結合(he)，使得算法軟件(jian)能夠解決(jue)比(bi)以往(wang)更復雜(za)的(de)(de)分選難(nan)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。

深度學習有望解(jie)決(jue)傳(chuan)統的(de)自學習算(suan)法無法解(jie)決(jue)的(de)分選難題。這種基于相機(ji)的(de)分選算(suan)法能(neng)夠模仿人類的(de)眼(yan)和腦(nao)(nao)的(de)配合，從而對視覺信號的(de)差異做出區分，甚至比大腦(nao)(nao)做出的(de)判(pan)斷結果更穩定(ding)可靠(kao)，精準度更高。

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(ruan)件(jian)一旦學會了一項新(xin)的分(fen)選(xuan)(xuan)(xuan)任務，它便能開(kai)展比手工分(fen)選(xuan)(xuan)(xuan)更(geng)穩定、更(geng)高效(xiao)的檢(jian)測(ce)。這將顯(xian)著提升分(fen)選(xuan)(xuan)(xuan)材料的純度，并降低運營成本。

欲詳細了(le)解陶朗的深度學習(xi)技術，請(qing)關注”陶朗資源回(hui)收(shou)”公眾(zhong)號，回(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。當今無法(fa)解決的(de)(de)諸多分選難題，都(dou)有望通過這一(yi)技(ji)術逐一(yi)攻克(ke)。目前還(huan)無法(fa)單(dan)獨回收的(de)(de)材料(liao)，隨著人工智(zhi)能技(ji)術的(de)(de)發展，都(dou)將(jiang)在(zai)不遠的(de)(de)將(jiang)來成(cheng)為(wei)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！