人工智能(AI)技術正在改變回收行業。

發明具有人類(lei)智(zhi)慧的(de)機器(qi)，為人類(lei)服務——這一(yi)想法最初(chu)產生于20世(shi)紀(ji)40年代。如今，計(ji)算能(neng)力的(de)提高、互(hu)聯網技(ji)術以及云存儲(chu)技(ji)術使得捕獲大量數據成(cheng)為可能(neng)，讓分選設備能(neng)夠實現(xian)相(xiang)互(hu)連接(jie)，也為引入人工智(zhi)能(neng)打(da)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(fen)(fen)選領域，人(ren)工(gong)智(zhi)(zhi)能(neng)可以大幅提升(sheng)分(fen)(fen)選后(hou)的產(chan)品純度，從而擴寬回收(shou)材料的應用領域，增(zeng)加企業收(shou)益。人(ren)工(gong)智(zhi)(zhi)能(neng)還能(neng)提高資源(yuan)回收(shou)的自動化(hua)水平，減少人(ren)工(gong)，降低運營成本，提升(sheng)產(chan)線的安全(quan)性和穩定性。

20世紀40年代

受大腦神經(jing)元網絡研究(jiu)的(de)啟發

科(ke)學(xue)家們開(kai)始探索構(gou)建“人工大腦”的可能性

20世紀50年代中期

機械(xie)設備能夠(gou)展現出部分智能特(te)征

為人工智(zhi)能的誕生奠定了基礎

當(dang)時(shi)，計算(suan)機(ji)發現并證明了新的數學算(suan)法

并由(you)此(ci)引(yin)發了(le)一個AI領域的投(tou)資(zi)熱(re)潮(chao)

1997年

這(zhe)是AI發展的高峰期，涌現許多巨(ju)大的技術成就(jiu)

如AI軟件“深藍”打敗(bai)了國際象棋世界(jie)冠軍卡斯帕羅夫(fu)

2017

AI程序AlphaGo(阿爾法狗)在最復雜的棋類(lei)競技

圍棋中打(da)敗(bai)了排名世界(jie)第一(yi)的柯潔

現在

隨著計(ji)算(suan)機產業和大數據技術的飛速發展

人工智(zhi)能的研(yan)發又進入(ru)了另一個高(gao)峰(feng)期(qi)

各國政(zheng)府和企(qi)業在AI領(ling)域砸下重金(jin)

在各(ge)行各(ge)業推進AI技術(shu)的開發(fa)和(he)應

希望(wang)突(tu)破行業發(fa)展(zhan)所面臨的(de)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，借助簡單的規(gui)則做出判斷，決定物料被(bei)保(bao)留(liu)或(huo)被(bei)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(fu)提(ti)高了光電分選設備的(de)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)工智能(neng)技術的進入，使(shi)分(fen)選機能(neng)夠檢(jian)測成分(fen)更(geng)(geng)復(fu)雜的材料(liao)，并提高分(fen)選的準確性(xing)。在工業(ye)4.0時(shi)代，互聯(lian)網和(he)云(yun)技術的發展(zhan)，使(shi)分(fen)選機能(neng)夠收集大量(liang)的云(yun)端(duan)數(shu)據(ju)，掌握(wo)更(geng)(geng)多(duo)的材料(liao)特征(zheng)，進行更(geng)(geng)深度的學習，從而(er)進一步(bu)提升分(fen)選能(neng)力和(he)精確性(xing)。

AI≠機器人

AI經常(chang)被誤認為是機(ji)器(qi)人。目前已經出現了機(ji)械手臂(bei)，在(zai)生產中(zhong)代替分揀工人執行任務。但(dan)機(ji)器(qi)人只(zhi)是人工智能的(de)一(yi)種表(biao)現形式，僅僅是人工智能概念(nian)中(zhong)的(de)一(yi)部分。

人工智能(neng)的核心(xin)是基(ji)于一定標準做出決(jue)策。就分(fen)選而(er)言，是基(ji)于物料特(te)性進行決(jue)策。換言之，軟(ruan)件和算(suan)法(fa)才是人工智能(neng)的核心(xin)，而(er)非(fei)硬件。人工智能(neng)可(ke)以只是一個軟(ruan)件，例(li)如打敗(bai)國(guo)際象棋(qi)冠軍卡斯(si)帕羅夫的“深藍”。

云端大數據和(he)顯著改進的(de)計算能力相(xiang)結合，使(shi)得算法軟(ruan)件(jian)能夠解決比以(yi)往更復雜的(de)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(du)學習(xi)有(you)望解決(jue)傳統的(de)(de)自學習(xi)算法無法解決(jue)的(de)(de)分(fen)選難(nan)題。這種基(ji)于相(xiang)機的(de)(de)分(fen)選算法能夠模(mo)仿(fang)人類的(de)(de)眼(yan)和腦的(de)(de)配合，從而對(dui)視覺信號的(de)(de)差異做(zuo)(zuo)出區分(fen)，甚至(zhi)比大腦做(zuo)(zuo)出的(de)(de)判(pan)斷結果更(geng)穩定可靠，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(ruan)件一(yi)旦(dan)學會了(le)一(yi)項新的分(fen)(fen)選任務，它便能開展(zhan)比手工分(fen)(fen)選更穩定、更高效(xiao)的檢測。這(zhe)將(jiang)顯著提升分(fen)(fen)選材料的純度，并降(jiang)低運(yun)營(ying)成本。

欲詳細了解陶(tao)朗的深度學習技術，請關注”陶(tao)朗資源回收”公眾號，回復“AI”下載白皮(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(jin)無法解決的(de)諸(zhu)多分選難題，都(dou)(dou)有望(wang)通過這一技術逐一攻克。目前(qian)還無法單獨回收的(de)材料，隨著(zhu)人工(gong)智能(neng)技術的(de)發展，都(dou)(dou)將在不遠(yuan)的(de)將來成為可(ke)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！