陶(tao)朗(lang)資源回收業務(wu)推出了一項(xiang)名為 GAIN 的基(ji)于深(shen)度學(xue)習的分(fen)選技術，進一步(bu)強化了其在分(fen)選技術領域(yu)的領先地位。
深(shen)度學習技術的(de)(de)(de)(de)問世(shi)，將回收行業(ye)帶入(ru)了新的(de)(de)(de)(de)發展階段——分選(xuan)線的(de)(de)(de)(de)自動化水平(ping)更(geng)高(gao)，且回收材(cai)料的(de)(de)(de)(de)純(chun)度也更(geng)高(gao)。選(xuan)擇合適的(de)(de)(de)(de)傳感器捕捉材(cai)料的(de)(de)(de)(de)影響(xiang)特(te)征，并通過腦回神經網分析評估，分選(xuan)將有(you)無(wu)限新可能(neng)。
在(zai)未來，隨著人工智能的引入，分選(xuan)機(ji)無需重(zhong)新編程，即可在(zai)采集少(shao)量(liang)待分選(xuan)物料樣本的圖像特(te)征后，自行學(xue)(xue)習并調整(zheng)，完成針對這(zhe)種物料的分選(xuan)。此外，云連接促(cu)成信息共享(xiang)，任何錯(cuo)誤檢(jian)測被發現(xian)(xian)后，都(dou)能共享(xiang)到云上，供所有其他(ta)設備學(xue)(xue)習并避免(mian)。今后，自診斷和提前訂(ding)購零配件(jian)或服務，也(ye)將成為現(xian)(xian)實，從而減少(shao)停機(ji)時間。
深度學習技術(shu)的(de)發(fa)展，將(jiang)不斷突(tu)破分(fen)選(xuan)的(de)極限(xian)，目前(qian)還無(wu)法單獨回收的(de)材料，在不遠的(de)將(jiang)來將(jiang)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(qi)中扮(ban)演非常重要的角(jiao)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(de)發展和應用將(jiang)變得越來越重要。
深度學習，智能的分選技術
深度學(xue)習(xi)(xi)使計算(suan)(suan)機能夠模仿(fang)人(ren)類的學(xue)習(xi)(xi)行為。例如，人(ren)類可以(yi)將以(yi)前(qian)看(kan)到(dao)的和現在(zai)看(kan)到(dao)的東西聯系起來，從而識別(bie)各種(zhong)各樣的物(wu)體或材料。把這(zhe)種(zhong)本領教給機器，讓機器做同樣的事情，機器的速度會比人(ren)類快得多。陶(tao)朗在(zai)早期(qi)的分選機器上就部署了人(ren)工智能，經(jing)過長時(shi)間的不(bu)斷發展并(bing)在(zai)融入了深度學(xue)習(xi)(xi)的算(suan)(suan)法之后(hou)，在(zai)人(ren)工智能層面 GAIN已(yi)達到(dao)一個新的技術(shu)水平(ping)。
傳統的(de)機器學(xue)(xue)(xue)習(xi)(xi)主要(yao)是從數據中(zhong)學(xue)(xue)(xue)習(xi)(xi)規律，并將學(xue)(xue)(xue)習(xi)(xi)到的(de)規律用于預測新的(de)數據。而深度(du)(du)學(xue)(xue)(xue)習(xi)(xi)是強(qiang)調通過深度(du)(du)模型來學(xue)(xue)(xue)習(xi)(xi)規律，因為(wei)通常深度(du)(du)模型的(de)表征(zheng)能(neng)力更強(qiang)，同(tong)時深度(du)(du)學(xue)(xue)(xue)習(xi)(xi)能(neng)夠(gou)實(shi)現自動的(de)特征(zheng)提取，能(neng)夠(gou)實(shi)現端(duan)(duan)到端(duan)(duan)學(xue)(xue)(xue)習(xi)(xi)。
深(shen)度學(xue)習(xi)(xi)和傳統(tong)機器(qi)學(xue)習(xi)(xi)都是(shi)機器(qi)學(xue)習(xi)(xi)的(de)(de)范疇(chou)。但(dan)與傳統(tong)的(de)(de)機器(qi)學(xue)習(xi)(xi)不(bu)同，深(shen)度學(xue)習(xi)(xi)不(bu)需要(yao)特(te)別(bie)的(de)(de)編程，而是(shi)從收集的(de)(de)大量數據中獨立學(xue)習(xi)(xi)。這(zhe)樣可以更好地適(shi)應不(bu)斷(duan)變化的(de)(de)廢物流和檢測(ce)新的(de)(de)或被覆蓋住的(de)(de)物體，而這(zhe)些(xie)是(shi)以前的(de)(de)技術所不(bu)能(neng)分選的(de)(de)。
融(rong)合了深度學(xue)習(xi)(xi)技能的(de)GAIN可以從成(cheng)千上(shang)萬的(de)分選結(jie)果的(de)物(wu)體圖片中學(xue)習(xi)(xi)，了解哪些(xie)是可接(jie)受的(de)物(wu)體哪些(xie)是要放棄(qi)的(de)物(wu)體。深度學(xue)習(xi)(xi)可模仿人(ren)腦中大量神經元層的(de)活動來學(xue)習(xi)(xi)復雜的(de)任務。在機器訓練(lian)期(qi)間，通過這(zhe)種方式(shi)， GAIN 學(xue)習(xi)(xi)了如何連接(jie)人(ren)工神經元以對(dui)物(wu)體進行(xing)分類。
GAIN應用例子：剔除玻璃膠筒
因為(wei)玻(bo)璃膠筒(tong)中仍然(ran)殘(can)留著玻(bo)璃膠，為(wei)了(le)得(de)到純度(du)更高的(de)PE材(cai)料，需要(yao)將玻(bo)璃膠筒(tong)與(yu)別的(de)PE材(cai)料分開。第一(yi)版的(de) GAIN 技術是專門開發用于(yu)排出玻(bo)璃膠筒(tong)的(de)：通過(guo)使用相機收集到的(de)信息，從聚乙烯(xi)(PE)物料流(liu)中剔除 PE材(cai)質的(de)玻(bo)璃膠筒(tong)。
除(chu)了檢測常見的玻(bo)(bo)璃膠(jiao)筒(tong)，GAIN還可以檢測較小(xiao)的雙(shuang)組份(fen)玻(bo)(bo)璃膠(jiao)的筒(tong)體(ti)，以及(ji)變形或(huo)部(bu)分損壞的筒(tong)體(ti)。 由于分選機器通過空氣噴射來(lai)分離材(cai)料(liao)，即使是成(cheng)簇的膠(jiao)筒(tong)也可以被(bei)分類，而這項任務即使是目前市場(chang)上速度最快的采摘機器臂也難以完(wan)成(cheng)。
為了(le)(le)完(wan)成這項任務，GAIN學習了(le)(le)數千張(zhang)圖(tu)像，按順序配置了(le)(le)兩套系統，最后實(shi)現了(le)(le)99%的玻璃膠筒的剔除率。
想了解GAIN的更多技術詳情，請聯系我們！
