陶朗資源回收業務(wu)推出(chu)了(le)一項名為(wei) GAIN 的(de)(de)基于深度學習的(de)(de)分選技術，進一步強化了(le)其(qi)在分選技術領(ling)域的(de)(de)領(ling)先地位。
深(shen)度學習技術的(de)問(wen)世，將回收(shou)行(xing)業帶入了新的(de)發展階段——分選線的(de)自(zi)動化(hua)水平(ping)更高，且(qie)回收(shou)材料的(de)純度也更高。選擇合適(shi)的(de)傳感器捕捉材料的(de)影響特(te)征，并通過腦(nao)回神(shen)經網分析評估，分選將有無限新可能(neng)。
在(zai)(zai)未來，隨著(zhu)人工智能的引入(ru)，分(fen)選(xuan)機無(wu)需(xu)重新(xin)編(bian)程，即可(ke)在(zai)(zai)采(cai)集少(shao)量待分(fen)選(xuan)物料樣本的圖像(xiang)特征(zheng)后(hou)，自(zi)行學(xue)習(xi)并調(diao)整，完(wan)成針對這種物料的分(fen)選(xuan)。此(ci)外，云(yun)連接促成信息(xi)共享，任何錯誤(wu)檢(jian)測被發(fa)現后(hou)，都能共享到云(yun)上(shang)，供所有(you)其他(ta)設備(bei)學(xue)習(xi)并避(bi)免。今后(hou)，自(zi)診(zhen)斷和(he)提前訂購零(ling)配件或服(fu)務(wu)，也將成為現實，從而減少(shao)停機時間。
深度學習技術(shu)的發(fa)展(zhan)，將不斷突破分(fen)選(xuan)的極限，目前還無(wu)法單獨回收的材料，在不遠的將來將成為(wei)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)中扮演非常重要的角色(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，分選技術的發展和應用(yong)將變得越來越重要。
深度學習，智能的分選技術
深(shen)度學(xue)(xue)(xue)習使計算(suan)機(ji)能夠模(mo)仿人類(lei)的(de)(de)(de)(de)學(xue)(xue)(xue)習行為。例如，人類(lei)可以將以前看到(dao)的(de)(de)(de)(de)和現在看到(dao)的(de)(de)(de)(de)東西聯系起來，從而識別各(ge)種各(ge)樣的(de)(de)(de)(de)物體或材(cai)料。把這(zhe)種本(ben)領(ling)教給機(ji)器，讓機(ji)器做(zuo)同樣的(de)(de)(de)(de)事情，機(ji)器的(de)(de)(de)(de)速(su)度會比人類(lei)快得多。陶(tao)朗在早期的(de)(de)(de)(de)分選(xuan)機(ji)器上就部署(shu)了人工智能，經過長時間的(de)(de)(de)(de)不斷發(fa)展并在融入了深(shen)度學(xue)(xue)(xue)習的(de)(de)(de)(de)算(suan)法(fa)之后(hou)，在人工智能層面(mian) GAIN已達到(dao)一個新的(de)(de)(de)(de)技術水平(ping)。
傳統的(de)(de)機(ji)器學習主要是(shi)(shi)從數據中學習規律，并將學習到的(de)(de)規律用(yong)于(yu)預測新的(de)(de)數據。而深(shen)(shen)度(du)學習是(shi)(shi)強調通過深(shen)(shen)度(du)模型(xing)來學習規律，因(yin)為(wei)通常深(shen)(shen)度(du)模型(xing)的(de)(de)表征能力更強，同時深(shen)(shen)度(du)學習能夠實現自動的(de)(de)特征提取(qu)，能夠實現端(duan)到端(duan)學習。
深度(du)學習(xi)(xi)和傳統(tong)機器學習(xi)(xi)都是(shi)(shi)機器學習(xi)(xi)的(de)范疇。但與傳統(tong)的(de)機器學習(xi)(xi)不同，深度(du)學習(xi)(xi)不需要特別(bie)的(de)編程，而(er)是(shi)(shi)從收集的(de)大量數據(ju)中(zhong)獨立(li)學習(xi)(xi)。這(zhe)樣(yang)可以更好地適(shi)應(ying)不斷變化的(de)廢物流(liu)和檢測新的(de)或被(bei)覆蓋住(zhu)的(de)物體，而(er)這(zhe)些是(shi)(shi)以前的(de)技術所不能分選的(de)。
融合了(le)深度學(xue)(xue)習(xi)技能的GAIN可(ke)以(yi)從成千上萬的分(fen)選結(jie)果的物(wu)(wu)體(ti)(ti)圖片(pian)中學(xue)(xue)習(xi)，了(le)解哪些(xie)是可(ke)接受的物(wu)(wu)體(ti)(ti)哪些(xie)是要放(fang)棄的物(wu)(wu)體(ti)(ti)。深度學(xue)(xue)習(xi)可(ke)模仿人腦中大(da)量神(shen)(shen)經元(yuan)(yuan)層的活動來學(xue)(xue)習(xi)復雜的任務。在(zai)機器訓練期間，通過這種(zhong)方式(shi)， GAIN 學(xue)(xue)習(xi)了(le)如何連接人工神(shen)(shen)經元(yuan)(yuan)以(yi)對(dui)物(wu)(wu)體(ti)(ti)進行(xing)分(fen)類。
GAIN應用例子：剔除玻璃膠筒
因為玻(bo)(bo)璃膠(jiao)筒中仍然殘留著玻(bo)(bo)璃膠(jiao)，為了得到純度更高的(de)PE材料，需要(yao)將(jiang)玻(bo)(bo)璃膠(jiao)筒與別的(de)PE材料分開(kai)(kai)。第一版的(de) GAIN 技術(shu)是專門開(kai)(kai)發用于排出玻(bo)(bo)璃膠(jiao)筒的(de)：通過使用相機收集到的(de)信息，從聚乙烯(PE)物料流中剔除 PE材質(zhi)的(de)玻(bo)(bo)璃膠(jiao)筒。
除了檢測常見的(de)(de)玻璃(li)膠筒(tong)，GAIN還可以(yi)檢測較小(xiao)的(de)(de)雙組(zu)份玻璃(li)膠的(de)(de)筒(tong)體，以(yi)及變形(xing)或部分損壞的(de)(de)筒(tong)體。 由于(yu)分選機(ji)器(qi)通過空氣噴(pen)射來分離材料，即使(shi)是成(cheng)簇的(de)(de)膠筒(tong)也可以(yi)被分類，而這項任務(wu)即使(shi)是目前(qian)市場上(shang)速度最快(kuai)的(de)(de)采摘機(ji)器(qi)臂也難以(yi)完(wan)成(cheng)。
為了完(wan)成這項(xiang)任務，GAIN學習了數千(qian)張(zhang)圖像，按順序(xu)配(pei)置了兩套系統，最后實現了99%的(de)(de)玻璃膠筒的(de)(de)剔除率(lv)。
想了解GAIN的更多技術詳情，請聯系我們！
