陶朗(lang)資源回收業務(wu)推出了(le)一項(xiang)名為 GAIN 的基(ji)于深(shen)度(du)學(xue)習的分(fen)選技術(shu)，進一步(bu)強化了(le)其(qi)在分(fen)選技術(shu)領域的領先地(di)位。
深度學習(xi)技(ji)術(shu)的(de)問世(shi)，將(jiang)回(hui)收行業帶(dai)入了新(xin)的(de)發展階(jie)段——分選線的(de)自動化水平更高，且回(hui)收材料的(de)純度也更高。選擇合適的(de)傳感器捕捉材料的(de)影響特征，并通過腦(nao)回(hui)神(shen)經網分析評估，分選將(jiang)有無限新(xin)可能。
在未來，隨著(zhu)人(ren)工(gong)智(zhi)能的(de)引入，分選機無需重新編程，即可在采集少量待(dai)分選物(wu)料樣本的(de)圖像特征(zheng)后，自(zi)行學習(xi)并(bing)調整，完成(cheng)(cheng)針對這種(zhong)物(wu)料的(de)分選。此外，云(yun)連(lian)接促成(cheng)(cheng)信息共享(xiang)，任(ren)何錯誤檢(jian)測(ce)被發(fa)現后，都(dou)能共享(xiang)到(dao)云(yun)上，供所有其他設(she)備學習(xi)并(bing)避免。今后，自(zi)診斷(duan)和(he)提前訂購零配件或(huo)服(fu)務(wu)，也將成(cheng)(cheng)為現實，從而減(jian)少停機時(shi)間。
深度學習技術的(de)發展，將不斷突破分選(xuan)的(de)極限，目前還無法(fa)單獨回(hui)收的(de)材料，在不遠的(de)將來將成(cheng)為可(ke)能。
GAIN 技術于2019年11月5日在意大利節能環保展ECOMONDO正式發布，這是歐洲最負盛名的節能環保及水處理展會。為了實現真正的循環經濟，最大化地對各種資源進行回收再生、循環利用非常重要，而陶朗的資源回收分選技術將在(zai)其(qi)中(zhong)扮(ban)演非常重要的角色。
將深度學習等人工智能技術融入分選領域，將幫助分選機器適應新的廢物流。隨著我們走向循環經濟，分選技術的發展和應用將變得(de)越(yue)來越(yue)重要。
深度學習，智能的分選技術
深度學(xue)習使計算機能夠(gou)模仿人類(lei)的(de)(de)(de)(de)(de)學(xue)習行為。例如，人類(lei)可以將以前看(kan)到的(de)(de)(de)(de)(de)和現在看(kan)到的(de)(de)(de)(de)(de)東西(xi)聯系(xi)起來(lai)，從而(er)識別各(ge)種各(ge)樣的(de)(de)(de)(de)(de)物體或(huo)材料。把這種本(ben)領教(jiao)給機器，讓機器做同樣的(de)(de)(de)(de)(de)事情，機器的(de)(de)(de)(de)(de)速度會比人類(lei)快得多。陶朗在早期的(de)(de)(de)(de)(de)分選機器上(shang)就部署了(le)人工(gong)智(zhi)能，經過長時間的(de)(de)(de)(de)(de)不斷發(fa)展(zhan)并(bing)在融(rong)入(ru)了(le)深度學(xue)習的(de)(de)(de)(de)(de)算法(fa)之后，在人工(gong)智(zhi)能層面 GAIN已(yi)達(da)到一個新的(de)(de)(de)(de)(de)技術(shu)水平。
傳(chuan)統的機器(qi)學(xue)習(xi)主要是從數(shu)據中學(xue)習(xi)規律，并將學(xue)習(xi)到的規律用于預測新的數(shu)據。而深(shen)(shen)度(du)學(xue)習(xi)是強調通(tong)過深(shen)(shen)度(du)模型來學(xue)習(xi)規律，因為通(tong)常深(shen)(shen)度(du)模型的表征(zheng)能(neng)(neng)力(li)更強，同時深(shen)(shen)度(du)學(xue)習(xi)能(neng)(neng)夠(gou)實現(xian)自動的特(te)征(zheng)提(ti)取(qu)，能(neng)(neng)夠(gou)實現(xian)端(duan)到端(duan)學(xue)習(xi)。
深(shen)度學(xue)(xue)(xue)習(xi)(xi)和(he)傳統機(ji)(ji)器(qi)學(xue)(xue)(xue)習(xi)(xi)都是(shi)機(ji)(ji)器(qi)學(xue)(xue)(xue)習(xi)(xi)的(de)(de)范疇。但與傳統的(de)(de)機(ji)(ji)器(qi)學(xue)(xue)(xue)習(xi)(xi)不同，深(shen)度學(xue)(xue)(xue)習(xi)(xi)不需(xu)要特別(bie)的(de)(de)編程，而是(shi)從收集的(de)(de)大量數據中獨(du)立學(xue)(xue)(xue)習(xi)(xi)。這樣可以更好地適(shi)應不斷(duan)變化的(de)(de)廢物流(liu)和(he)檢測新的(de)(de)或被(bei)覆蓋住(zhu)的(de)(de)物體，而這些(xie)是(shi)以前的(de)(de)技術所不能分(fen)選的(de)(de)。
融合了(le)(le)深度學習(xi)技能的(de)(de)(de)GAIN可(ke)(ke)以(yi)從(cong)成(cheng)千上(shang)萬的(de)(de)(de)分選結果的(de)(de)(de)物(wu)體(ti)(ti)圖片中(zhong)學習(xi)，了(le)(le)解哪些是(shi)可(ke)(ke)接(jie)受(shou)的(de)(de)(de)物(wu)體(ti)(ti)哪些是(shi)要放棄的(de)(de)(de)物(wu)體(ti)(ti)。深度學習(xi)可(ke)(ke)模仿人腦(nao)中(zhong)大量神經元層的(de)(de)(de)活動(dong)來學習(xi)復雜的(de)(de)(de)任務。在機器訓練期間，通過這(zhe)種方式， GAIN 學習(xi)了(le)(le)如何連接(jie)人工神經元以(yi)對(dui)物(wu)體(ti)(ti)進(jin)行(xing)分類。
GAIN應用例子：剔除玻璃膠筒
因為玻璃膠(jiao)筒(tong)(tong)中仍然(ran)殘留著玻璃膠(jiao)，為了得(de)到純度更高的(de)(de)(de)PE材料(liao)，需(xu)要將玻璃膠(jiao)筒(tong)(tong)與別的(de)(de)(de)PE材料(liao)分開。第一版的(de)(de)(de) GAIN 技術是專門開發(fa)用于排出玻璃膠(jiao)筒(tong)(tong)的(de)(de)(de)：通過使用相機收集到的(de)(de)(de)信息，從聚乙烯(PE)物料(liao)流中剔除 PE材質的(de)(de)(de)玻璃膠(jiao)筒(tong)(tong)。
除了檢測常見的玻璃膠筒，GAIN還可以(yi)(yi)(yi)檢測較小的雙(shuang)組份玻璃膠的筒體，以(yi)(yi)(yi)及變形(xing)或(huo)部分(fen)損壞的筒體。 由(you)于分(fen)選機器通(tong)過(guo)空氣(qi)噴射來(lai)分(fen)離材料，即使(shi)是成(cheng)簇的膠筒也可以(yi)(yi)(yi)被分(fen)類，而這項任(ren)務(wu)即使(shi)是目(mu)前市場上(shang)速度最快的采摘機器臂也難以(yi)(yi)(yi)完成(cheng)。
為(wei)了完(wan)成這項任務，GAIN學習了數千張(zhang)圖(tu)像，按順序配置了兩(liang)套系統，最后實現了99%的(de)玻璃膠筒的(de)剔除率(lv)。
想了解GAIN的更多技術詳情，請聯系我們！
