Новые системы компьютерного зрения, внедренные американской компанией Amp Robotics используют формы, цвета и даже метки для идентификации материалов со сверхчеловеческой скоростью. Об этом сообщает сайт Spectrum IEEE. Перевод основных положений публикации представлен изданием discover24.ru.
Реальное положение дел со вторичной переработкой отходов в США и большей части Европы способно рассеять многие иллюзии. Да, содержимое мусорных баков будет сброшено в грузовик и доставлено на перерабатывающий завод для сортировки. Большая его часть отправится на переработку и возможное использование в новых продуктах, но многое окажется на свалке.
Для стран, которые реализуют переработку мусора, так называемый коэффициент восстановления отходов составляет обычно от 70 до 90 процентов, хотя в ряде муниципалитетов этот показатель может опускаться до 40%. Что еще хуже, лишь небольшое количество всего вторсырья попадает в мусорные баки – 32% в США и 10-15% во всем мире. Это много материала, сделанного из невозобновляемых ресурсов, которые тратятся впустую.
Есть способы сделать ситуацию лучше. Используя компьютерное зрение, машинное обучение и роботов для идентификации и сортировки отходов, можно повысить точность автоматических сортировочных машин, уменьшить потребность в человеческом вмешательстве и повысить общую долю переработки.
Компания Amp Robotics, базирующаяся в Луисвилле (штат Колорадо, США) разрабатывает аппаратное и программное обеспечение для сортировки вторсырья с гораздо более высокой точностью и скоростью извлечения, чем это характерно для обычных систем. Другие компании аналогичным образом работают над применением ИИ и робототехники для переработки, в том числе Bulk Handling Systems, Machinex и Tomra. На сегодняшний день новые технологии применяются на сотнях сортировочных предприятий по всему миру.
Когда в 1960-х годах началась переработка, задача сортировки легла на плечи потребителя: газеты в одной пачке, картон в другой, а стекло и банки в отдельных корзинах. Это оказалось слишком хлопотным для многих людей и ограничило количество собранных материалов, пригодных для вторичной переработки.
В 1970-х годах многие города убрали разнотипные контейнеров и заменили их одним, а дальнейшая сортировка мусора происходила «ниже по течению». В настоящее время этот подход является доминирующей формой переработки в развитых странах. Предприниматели по переработке адаптировали оборудование горнодобывающей и сельскохозяйственной отраслей, при необходимости заменяя его человеческим трудом.
В этих сортировочных системах поначалу почти совсем не было компьютерного интеллекта, вместо этого они полагались на физические свойства материалов для их разделения. Стекло, например, можно разбить на мелкие кусочки, а затем просеять и собрать. Картон жесткий и легкий – он может скользить по ряду механических кулачковых дисков, в то время как другие, более плотные материалы попадают между дисками. Черные металлы можно магнитно отделить от других материалов; магнетизм также можно индуцировать в предметах из цветных металлов, таких как алюминий, с помощью сильного вихревого тока.
Способность новых технологий различать разные типы пластика изменила правила игры для переработчиков, внедрив в процесс не только оптическое зондирование, но и компьютерный интеллект. Программируемые оптические сортировщики также были разработаны для отделения бумажной продукции, отличая, скажем, газету от макулатуры.
Так что сегодня большая часть сортировки автоматизирована. Эти системы обычно сортируют вторсырье до чистоты в 80-95%. Однако, чтобы производство было прибыльным, люди продолжают вручную дополнительно очищать каждый из потоков, прежде чем материал будет сжат и упакован для отправки.
Сейчас внедрение искусственного интеллекта (ИИ) в бизнес по переработке отходов означает сочетание роботов, которые собирают и укладывают, с точным обнаружением объектов в реальном времени. ИИ теоретически позволяет извлекать все вторсырье из потока смешанного материала с точностью, близкой к 100 процентам, полностью на основе анализа изображений.
В AMP Robotics уже созданы системы, которые могут выполнять подобную сортировку. В будущем системы искусственного интеллекта также смогут сортировать по сочетаниям материалов и первоначальному использованию, позволяя отделять пищевые материалы от контейнеров с бытовыми чистящими средствами, а бумагу, загрязненную пищевыми отходами, отделять от чистой бумаги.
Последствия перехода от более механических систем к искусственному интеллекту огромны. Вместо того, чтобы иметь уникальный механизм сортировки, обрабатывающий каждый тип материала, сортировочная машина на основе обученного ИИ может менять цели, просто переключая алгоритм.