陶朗(lang)資(zi)源回收業務推出(chu)了一(yi)項名為(wei) GAIN 的基于深度學習的分(fen)選技術(shu)，進(jin)一(yi)步強化了其在分(fen)選技術(shu)領(ling)域的領(ling)先地位。
深度學習技術的(de)問(wen)世，將(jiang)回收(shou)行業帶(dai)入(ru)了(le)新的(de)發展(zhan)階(jie)段——分(fen)選線(xian)的(de)自動化水平更(geng)高(gao)，且回收(shou)材料(liao)的(de)純度也(ye)更(geng)高(gao)。選擇合適的(de)傳(chuan)感器捕捉材料(liao)的(de)影(ying)響特征，并通過腦回神(shen)經網分(fen)析評估，分(fen)選將(jiang)有無限新可能。
在(zai)未來(lai)，隨著人工智能(neng)的(de)引入(ru)，分選機(ji)無需重新編程，即可(ke)在(zai)采集少量待分選物料(liao)樣本的(de)圖像特征后(hou)(hou)，自(zi)行(xing)學習(xi)并調整，完成針對(dui)這種物料(liao)的(de)分選。此(ci)外，云連(lian)接促成信息共享(xiang)，任何(he)錯誤檢測被(bei)發現(xian)后(hou)(hou)，都能(neng)共享(xiang)到云上，供所有(you)其他設備學習(xi)并避免。今后(hou)(hou)，自(zi)診斷(duan)和提前訂購零配(pei)件或服務(wu)，也將(jiang)成為現(xian)實(shi)，從而(er)減少停(ting)機(ji)時間(jian)。
深度學(xue)習技術的(de)(de)發展，將不斷(duan)突破分選(xuan)的(de)(de)極限(xian)，目前(qian)還無法單獨回(hui)收(shou)的(de)(de)材料，在不遠的(de)(de)將來將成為可能。
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其中扮(ban)演(yan)非(fei)常重要的(de)角色(se)。
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(fa)展和應用將變得越(yue)來越(yue)重要。
深度學習，智能的分選技術
深度(du)(du)學習(xi)使計算機(ji)能(neng)(neng)夠模(mo)仿人(ren)類(lei)的(de)(de)學習(xi)行為(wei)。例如，人(ren)類(lei)可以將以前看到的(de)(de)和現在(zai)看到的(de)(de)東西聯系起(qi)來，從而識別各(ge)(ge)種各(ge)(ge)樣的(de)(de)物體或材料(liao)。把這(zhe)種本(ben)領(ling)教給機(ji)器(qi)，讓機(ji)器(qi)做同樣的(de)(de)事情(qing)，機(ji)器(qi)的(de)(de)速度(du)(du)會比人(ren)類(lei)快得多。陶朗在(zai)早(zao)期的(de)(de)分(fen)選機(ji)器(qi)上就部署了人(ren)工智(zhi)能(neng)(neng)，經過長時間的(de)(de)不(bu)斷發展并在(zai)融入了深度(du)(du)學習(xi)的(de)(de)算法之(zhi)后，在(zai)人(ren)工智(zhi)能(neng)(neng)層面 GAIN已達到一個新(xin)的(de)(de)技術水平(ping)。
傳統的機(ji)器學(xue)(xue)習主(zhu)要(yao)是(shi)從數據中學(xue)(xue)習規(gui)律，并將學(xue)(xue)習到(dao)的規(gui)律用于預測新的數據。而深度(du)學(xue)(xue)習是(shi)強調通過深度(du)模型(xing)來學(xue)(xue)習規(gui)律，因為通常深度(du)模型(xing)的表征(zheng)能(neng)力更強，同(tong)時深度(du)學(xue)(xue)習能(neng)夠實現自動(dong)的特征(zheng)提取，能(neng)夠實現端到(dao)端學(xue)(xue)習。
深(shen)度學(xue)(xue)習和傳統機(ji)器(qi)(qi)學(xue)(xue)習都是(shi)機(ji)器(qi)(qi)學(xue)(xue)習的(de)(de)(de)范疇。但(dan)與傳統的(de)(de)(de)機(ji)器(qi)(qi)學(xue)(xue)習不(bu)同，深(shen)度學(xue)(xue)習不(bu)需要特別的(de)(de)(de)編程，而(er)是(shi)從收集的(de)(de)(de)大(da)量數據中獨(du)立學(xue)(xue)習。這樣可以更(geng)好地適應不(bu)斷變化的(de)(de)(de)廢物流和檢測(ce)新(xin)的(de)(de)(de)或被覆蓋住的(de)(de)(de)物體，而(er)這些是(shi)以前的(de)(de)(de)技術所不(bu)能(neng)分(fen)選的(de)(de)(de)。
融合了深(shen)度學(xue)(xue)(xue)習(xi)(xi)技能的(de)GAIN可以從成千上萬的(de)分(fen)選(xuan)結果(guo)的(de)物體圖(tu)片中學(xue)(xue)(xue)習(xi)(xi)，了解哪些(xie)是可接(jie)受的(de)物體哪些(xie)是要放(fang)棄的(de)物體。深(shen)度學(xue)(xue)(xue)習(xi)(xi)可模仿人(ren)腦中大量(liang)神(shen)經元層的(de)活動來學(xue)(xue)(xue)習(xi)(xi)復雜的(de)任務。在機器訓練期間，通過這種方式， GAIN 學(xue)(xue)(xue)習(xi)(xi)了如何連接(jie)人(ren)工(gong)神(shen)經元以對物體進行分(fen)類。
GAIN應用例子：剔除玻璃膠筒
因(yin)為(wei)(wei)玻(bo)璃(li)膠(jiao)筒中仍然殘留(liu)著玻(bo)璃(li)膠(jiao)，為(wei)(wei)了得(de)到(dao)純(chun)度更高的(de)(de)(de)PE材料，需要將玻(bo)璃(li)膠(jiao)筒與別的(de)(de)(de)PE材料分開。第一版的(de)(de)(de) GAIN 技(ji)術是專(zhuan)門開發(fa)用于排出玻(bo)璃(li)膠(jiao)筒的(de)(de)(de)：通過使用相(xiang)機收集到(dao)的(de)(de)(de)信息(xi)，從聚乙烯(PE)物料流中剔(ti)除 PE材質的(de)(de)(de)玻(bo)璃(li)膠(jiao)筒。
除了檢測(ce)常(chang)見(jian)的(de)玻璃膠筒，GAIN還(huan)可以(yi)檢測(ce)較小的(de)雙組份(fen)玻璃膠的(de)筒體(ti)，以(yi)及變(bian)形或部分(fen)損壞的(de)筒體(ti)。 由(you)于分(fen)選機(ji)器通過空氣噴射來分(fen)離材料，即使(shi)是(shi)成(cheng)簇的(de)膠筒也(ye)可以(yi)被分(fen)類，而這項(xiang)任務即使(shi)是(shi)目前市場上(shang)速度最快的(de)采(cai)摘機(ji)器臂也(ye)難以(yi)完成(cheng)。
為了(le)完(wan)成這項任務(wu)，GAIN學習(xi)了(le)數千張圖像，按順序配(pei)置(zhi)了(le)兩套系統，最后實現(xian)了(le)99%的玻璃(li)膠筒的剔除率。
想了解GAIN的更多技術詳情，請聯系我們！
