人工智能(AI)技術正在改變回收行業。

發明具有人(ren)(ren)類智(zhi)慧的機(ji)器，為人(ren)(ren)類服務——這(zhe)一想法最初產(chan)生于20世紀(ji)40年代。如今，計算能(neng)力的提高(gao)、互聯網技術以及云存儲技術使得捕獲大量數據(ju)成(cheng)為可能(neng)，讓分選設備能(neng)夠實現相互連接，也為引入人(ren)(ren)工(gong)智(zhi)能(neng)打下了基(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。

在分選領(ling)域(yu)，人(ren)工智能可(ke)以大(da)幅提升分選后的(de)產(chan)品純度，從而擴(kuo)寬回(hui)(hui)收材料(liao)的(de)應用領(ling)域(yu)，增(zeng)加企業收益。人(ren)工智能還(huan)能提高資源回(hui)(hui)收的(de)自(zi)動化水平(ping)，減(jian)少人(ren)工，降(jiang)低運營成本，提升產(chan)線的(de)安全(quan)性和穩定性。

20世紀40年代

受大(da)腦(nao)神(shen)經元網絡(luo)研究的啟發

科學家們開始探索(suo)構建“人(ren)工大(da)腦”的可能性

20世紀50年代中期

機械(xie)設(she)備能(neng)夠展現出(chu)部分智能(neng)特(te)征

為人工(gong)智能的誕生(sheng)奠定了基礎

當時，計算(suan)機發現并證明了(le)新的數學算(suan)法

并由此(ci)引(yin)發了(le)一個AI領域的(de)投資熱(re)潮

1997年

這是AI發展的(de)高峰期，涌現(xian)許多巨(ju)大(da)的(de)技術成就(jiu)

如AI軟件“深藍(lan)”打敗了國際象棋世(shi)界冠軍卡斯(si)帕羅夫

2017

AI程序AlphaGo(阿爾(er)法狗(gou))在最復雜(za)的棋(qi)類競技

圍棋(qi)中打敗(bai)了排名世界第一(yi)的柯潔

現在

隨著計算機產業和(he)大數據技術的飛速發展(zhan)

人工智能的研(yan)發又進入了另一個高(gao)峰(feng)期

各國政府(fu)和企業(ye)在(zai)AI領域砸(za)下(xia)重金

在各行(xing)各業推(tui)進AI技術的開發(fa)和應

希望突(tu)破行(xing)業(ye)發展所面(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，借助簡單的規則做出判斷(duan)，決(jue)定物料(liao)被保留或(huo)被剔除(chu)。

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，大幅提(ti)高了(le)光電分(fen)選(xuan)設(she)備的精(jing)確(que)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(gong)智能技(ji)術的(de)(de)進(jin)入(ru)，使分(fen)選(xuan)機能夠(gou)(gou)檢測(ce)成(cheng)分(fen)更(geng)復雜的(de)(de)材料，并提高分(fen)選(xuan)的(de)(de)準確性。在工(gong)業4.0時代，互聯(lian)網和云技(ji)術的(de)(de)發展，使分(fen)選(xuan)機能夠(gou)(gou)收集大量的(de)(de)云端數據，掌握更(geng)多的(de)(de)材料特征，進(jin)行更(geng)深度(du)的(de)(de)學(xue)習(xi)，從而進(jin)一步提升分(fen)選(xuan)能力和精確性。

AI≠機器人

AI經(jing)常被誤認(ren)為(wei)是(shi)機器人(ren)(ren)。目(mu)前已(yi)經(jing)出現了機械手(shou)臂，在生(sheng)產中(zhong)代替分(fen)揀工人(ren)(ren)執行任務。但機器人(ren)(ren)只是(shi)人(ren)(ren)工智(zhi)能的(de)一(yi)種(zhong)表(biao)現形式，僅僅是(shi)人(ren)(ren)工智(zhi)能概念中(zhong)的(de)一(yi)部(bu)分(fen)。

人工(gong)智能的核心(xin)是基于一定(ding)標(biao)準做出決策。就分選(xuan)而言，是基于物(wu)料特性進行決策。換(huan)言之，軟(ruan)件(jian)和算(suan)法才是人工(gong)智能的核心(xin)，而非硬件(jian)。人工(gong)智能可以只是一個軟(ruan)件(jian)，例如打敗國際象棋冠軍卡斯(si)帕羅夫的“深(shen)藍”。

云端(duan)大數據和顯著改進的計算(suan)能(neng)(neng)力相(xiang)結合(he)，使得算(suan)法軟(ruan)件能(neng)(neng)夠(gou)解(jie)決比以往更(geng)復雜的分選難題。

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(xi)有望(wang)解決傳統(tong)的(de)自學習(xi)算(suan)(suan)法(fa)無法(fa)解決的(de)分(fen)(fen)選難題。這種基(ji)于相機(ji)的(de)分(fen)(fen)選算(suan)(suan)法(fa)能夠模仿人類(lei)的(de)眼和腦(nao)的(de)配(pei)合(he)，從而對視覺信號的(de)差異做出(chu)區分(fen)(fen)，甚至(zhi)比大腦(nao)做出(chu)的(de)判(pan)斷(duan)結果(guo)更(geng)穩定(ding)可靠，精(jing)準度更(geng)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(ruan)件一旦學會了(le)一項新(xin)的分選(xuan)(xuan)任務，它(ta)便(bian)能(neng)開(kai)展比手工分選(xuan)(xuan)更穩定、更高效的檢測。這(zhe)將(jiang)顯著提升分選(xuan)(xuan)材料的純度，并降(jiang)低運營成本。

欲詳(xiang)細了解陶(tao)朗的(de)深度學習技術(shu)，請(qing)關注”陶(tao)朗資源回(hui)收”公眾號(hao)，回(hui)復“AI”下(xia)載(zai)白皮書。

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(jin)無(wu)法(fa)解決(jue)的諸(zhu)多(duo)分選難題，都有望通過這一技(ji)術逐一攻(gong)克。目前(qian)還無(wu)法(fa)單獨回收的材料，隨著(zhu)人工智(zhi)能技(ji)術的發(fa)展，都將在不遠(yuan)的將來成為可能。

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！