群峰重工：AI智能分拣机器人已准备好对您的可回收品进行分类

时间：2024-07-29 10:58

来源：山东群峰重工科技股份有限公司

人工智能引导的高速机器人分拣系统，在传送带上按类别识别材料。迄今为止，运行中的系统已经识别了超过500亿个各种排列的物体。

提高认识，明确方向

某天的早上，你家门前放着一个蓝色的大垃圾桶，里面装满了报纸、纸板、瓶子、罐头、铝箔外卖托盘和空的酸奶容器。你可能会认为自己正在尽自己的一份力量来减少浪费。但在你冲洗完酸奶容器并把它丢进垃圾桶后，你可能再也不会多想它了。

回收箱里的东西将被倒入卡车，并被带到回收设施进行分类。大多数材料将用于加工和最终用于新产品。但很多都会在垃圾填埋场结束。

那么，有多少进入垃圾箱的材料可以避免去垃圾填埋场？对于进行回收的国家来说，这个数字（称为回收率）似乎平均在70%至90%左右，尽管没有广泛的数据，但看起来还是不错的，在一些城市，它可以低至40%。

更糟糕的是，只有一小部分可回收物进入垃圾箱——在美国只有32%，全球只有10%到15%。这是许多由有限资源制成的材料，这些材料会不必要地浪费。

有一种方法可以做得更好。使用计算机视觉、机器学习和机器人来识别和分类回收材料，我们可以提高自动分拣机的准确性，减少对人为干预的需求，并提高整体回收率。

夯实基础，创新技术

113_3_1722221895.jpeg?wx_fmt=jpeg

在解释人工智能将如何改善回收之前，让我们看看回收材料过去是如何分类的，以及当今世界大部分地区是如何分类的。

当回收在20世纪60年代开始时，分类的任务落在了消费者身上——报纸装在一捆里，纸板装在另一捆里，玻璃和罐子放在他们自己的单独的垃圾桶里。这对许多人来说太麻烦了，并限制了可回收材料的收集量。

在20世纪70年代，许多城市拿走了多个垃圾箱，用一个集装箱取而代之，分拣发生在下游。这种“单流”回收促进了参与，现在是发达国家的主要回收形式。

将分拣任务进一步下游，导致了分拣设施的建设。为了进行实际分类，回收企业家调整了采矿和农业行业的设备，必要时填充人力。这些分类系统没有计算机智能，而是依靠材料的物理特性来分离它们。例如，玻璃可以碎成小块，然后筛选和收集。纸板是刚性和轻的——它可以滑过一系列机械凸轮状圆盘，而其他密度更高的材料落在圆盘之间。黑色金属可以与其他材料通过磁力分离；也可以使用大涡流在铝等有色金属中诱导磁性。

到20世纪90年代，由美国宇航局开发并于1972年首次在卫星上发射的高光谱成像在商业上变得可行，并开始出现在回收世界中。与主要看到红色、绿色和蓝色组合的人类眼睛不同，高光谱传感器将图像划分为更多的光谱带。该技术区分不同类型塑料的能力改变了回收商的游戏规则，不仅将光学传感，而且将计算机智能带入了该过程。还开发了可编程光学分拣器来区分纸制品，例如，区分报纸和垃圾邮件。

因此，今天大部分排序都是自动化的。这些系统通常排序为80%至95%的纯度——也就是说5%至20%的输出不应该存在。然而，为了使产出有利可图，纯度必须高于95%，低于这个阈值，价值会下降，通常一文不值。因此，人类手动清理每条溪流，在材料被压缩和打包运输之前，挑选出杂散的物体。

尽管进行了所有自动和手动分类，但进入该设施的大约10%至30%的材料最终最终会进入垃圾填埋场。在大多数情况下，一半以上的材料是可回收的，物有所值，但只是被遗漏了。

我们已经尽可能地推动了当前的系统。只有人工智能才能做得更好。

将人工智能纳入回收业务意味着将拾取和放置机器人与准确的实时物体检测相结合。拾取和放置机器人与计算机视觉系统相结合，用于制造中抓取特定物体，但它们通常只是重复寻找单个物品，或在受控照明条件下寻找一些已知形状的物品。然而，回收涉及沿传送带移动的物体的种类、形状和方向的无限可变性，需要即时识别，同时快速向机器人手臂发送新的轨迹。

113_4_1722221895.jpeg?wx_fmt=jpeg