人工智能(AI)技術正在改變回收行業。

發(fa)明具有人類(lei)智慧的機器，為(wei)人類(lei)服(fu)務(wu)——這一想法最初(chu)產生于20世紀40年代。如今，計算能(neng)力的提高、互聯網技術以及云存儲技術使得捕獲大量(liang)數據成(cheng)為(wei)可能(neng)，讓分選設備能(neng)夠實現相互連接(jie)，也為(wei)引入(ru)人工智能(neng)打(da)下了基(ji)礎。

率先引入人工智能的企業，將收獲這一前沿技術帶來的競爭優勢。

在(zai)分(fen)選領(ling)域，人(ren)工智能(neng)(neng)可(ke)以大(da)幅提升分(fen)選后的(de)(de)產品純(chun)度，從(cong)而擴寬回收材(cai)料的(de)(de)應用領(ling)域，增加(jia)企業收益(yi)。人(ren)工智能(neng)(neng)還能(neng)(neng)提高資源回收的(de)(de)自(zi)動化水平，減(jian)少人(ren)工，降低運營成本(ben)，提升產線(xian)的(de)(de)安全性和穩定性。

20世紀40年代

受大腦神經元網絡(luo)研究的啟發

科學家們開始探(tan)索構建“人工大腦”的可能(neng)性

20世紀50年代中期

機械設備(bei)能夠展現出部分(fen)智能特(te)征

為人(ren)工智能的誕生奠定了基礎

當(dang)時，計(ji)算機發現并證明了新(xin)的(de)數學(xue)算法

并(bing)由此引發了一(yi)個AI領域的投資熱潮

1997年

這是(shi)AI發展(zhan)的(de)高峰期，涌現(xian)許多巨大的(de)技術(shu)成就

如AI軟件“深藍”打敗了國際象棋世界冠軍卡斯帕羅夫

2017

AI程序AlphaGo(阿爾法狗)在最復雜的棋類競技

圍棋中(zhong)打敗了排名世界第一的柯(ke)潔(jie)

現在

隨著計算機產(chan)業(ye)和大數(shu)據(ju)技術(shu)的飛速發展

人工智(zhi)能的研發又進入了另一個高峰期

各國政府和企業在AI領域砸下重金

在各(ge)行各(ge)業推進(jin)AI技術(shu)的開發和應(ying)

希(xi)望突破(po)行業發(fa)展所(suo)面(mian)臨的局限

AI技術早在30年前就走進了回收行業。但在那時，AI算法只是通過對比材料顏色的灰度值或彩色值，借助簡單的(de)規則做出判斷，決定物料(liao)被保留或(huo)被剔除。

直到個人計算機出現后，人工智能技術才開始被應用于圖像分類。定制的分選相機可捕捉顏色特征以外的材料光譜特性，大幅(fu)提(ti)高了(le)光電(dian)分選(xuan)設(she)備(bei)的精(jing)確性。

進入21世紀，分選行業在多光譜成像技術的基礎上，引入了經典的機器學習算法，解決數據處理的難題。具體方法是，針對某一特定的分選應用，先對人工智能軟件進行培訓，使其預先學習并記住大量的物料特征，歸納總結后形成算法。

人(ren)工智能技術的(de)進入(ru)，使分選機能夠檢(jian)測成分更復(fu)雜的(de)材(cai)料，并(bing)提(ti)高分選的(de)準確性。在工業4.0時代，互(hu)聯網和(he)云技術的(de)發(fa)展，使分選機能夠收集大(da)量的(de)云端數據，掌握更多的(de)材(cai)料特征，進行更深度的(de)學(xue)習，從(cong)而進一步提(ti)升(sheng)分選能力和(he)精確性。

AI≠機器人

AI經(jing)常(chang)被誤認為是(shi)機(ji)器人(ren)。目前(qian)已(yi)經(jing)出現了機(ji)械手臂，在生產中代替分(fen)揀工(gong)(gong)人(ren)執(zhi)行任(ren)務。但機(ji)器人(ren)只是(shi)人(ren)工(gong)(gong)智(zhi)能的一種表(biao)現形式，僅僅是(shi)人(ren)工(gong)(gong)智(zhi)能概念中的一部分(fen)。

人工(gong)智(zhi)能(neng)的核心(xin)(xin)是(shi)基于(yu)(yu)一定標準(zhun)做出(chu)決策。就(jiu)分選而言，是(shi)基于(yu)(yu)物料(liao)特(te)性進行決策。換言之，軟(ruan)件和算法(fa)才是(shi)人工(gong)智(zhi)能(neng)的核心(xin)(xin)，而非硬件。人工(gong)智(zhi)能(neng)可以只(zhi)是(shi)一個軟(ruan)件，例如打敗(bai)國際象棋冠軍卡斯帕(pa)羅夫的“深藍”。

云端大數據和(he)顯著改進的(de)計(ji)算(suan)(suan)能(neng)力相結合，使得算(suan)(suan)法軟件能(neng)夠(gou)解決比以往更復雜的(de)分(fen)選難題。

深度學習(Deep learning)是一項強大的人工智能技術，它憑借機器學習算法，從多個維度分離數量龐大的原始數據，從中提取關鍵數據進行分析。

深度學習有望解決傳(chuan)統的(de)(de)自(zi)學習算法無法解決的(de)(de)分(fen)(fen)選難題(ti)。這(zhe)種基于相機的(de)(de)分(fen)(fen)選算法能夠模仿人類的(de)(de)眼和腦的(de)(de)配合(he)，從而(er)對視覺信號的(de)(de)差異做出區(qu)分(fen)(fen)，甚至比大(da)腦做出的(de)(de)判(pan)斷結果(guo)更穩定可靠，精準度更高。

在回收行業，傳統的機器學習軟件需要專業的域工程師對軟件進行設置。深度學習軟件能夠從成千上萬的物料類別中提取圖像信息特征，模仿人類大腦中的神經元活動，記錄、學習和分析這些信息，應用于復雜的分選任務。

軟件一旦學(xue)會(hui)了(le)一項(xiang)新的分(fen)(fen)選任務，它便能開展比手工(gong)分(fen)(fen)選更穩定(ding)、更高(gao)效的檢測。這將顯著提升分(fen)(fen)選材料的純(chun)度，并降(jiang)低(di)運營成本。

欲詳(xiang)細了解陶(tao)朗的深度學習技術，請關注”陶(tao)朗資源回(hui)收”公眾號，回(hui)復“AI”下(xia)載白皮(pi)書。

深度學習技術的問世，將回收行業帶入了新的發展階段——分選線的自動化水平更高，且回收材料的純度也更高。

• 隨著人工智能的引入，分選機無需重新編程，即可在采集少量待分選物料樣本的圖像特征后，自行學習并調整，完成針對這種物料的分選。
• 此外，云連接促成信息共享，任何錯誤檢測被發現后，都能被共享到云端，供所有其他設備學習并避免同樣錯誤。
• 設備自診斷和提前訂購零配件或服務，也將成為現實，從而減少停機時間。

深度學習將顯著拓寬分選的應用領域。當今無法解(jie)決的(de)諸多分(fen)選難題，都(dou)有(you)望通過這(zhe)一技術(shu)(shu)逐一攻克。目前還(huan)無法單獨回(hui)收的(de)材(cai)料，隨著人(ren)工(gong)智能技術(shu)(shu)的(de)發展，都(dou)將在不遠的(de)將來成(cheng)為可能。

問題是，你準備好了嗎？

企業該如何借力AI技術？ 點擊查看具體案例！