陶朗資源回收業務推出了(le)一項名為 GAIN 的基于深度學習的分選(xuan)技術(shu)，進一步強化了(le)其在分選(xuan)技術(shu)領(ling)域的領(ling)先地位。
深(shen)度(du)學(xue)習技術(shu)的問(wen)世，將回(hui)收行業(ye)帶入了新(xin)的發展階段(duan)——分(fen)選線的自動化水平(ping)更高，且回(hui)收材(cai)料的純度(du)也更高。選擇(ze)合適的傳感(gan)器(qi)捕捉材(cai)料的影(ying)響特征，并通(tong)過腦(nao)回(hui)神經網分(fen)析評估(gu)，分(fen)選將有無限新(xin)可能。
在(zai)未(wei)來，隨著人工智(zhi)能的(de)引入，分(fen)選(xuan)機無需重新編程，即可在(zai)采(cai)集少量待分(fen)選(xuan)物料(liao)樣本的(de)圖像特(te)征后，自行(xing)學(xue)習(xi)并調整(zheng)，完(wan)成針對這種物料(liao)的(de)分(fen)選(xuan)。此(ci)外(wai)，云連接促成信(xin)息共享，任何錯誤檢測(ce)被(bei)發現后，都能共享到(dao)云上(shang)，供所有其(qi)他設備學(xue)習(xi)并避免。今后，自診斷和提前訂購(gou)零配件或服務(wu)，也將(jiang)成為(wei)現實，從而(er)減(jian)少停機時間。
深(shen)度學習技術的(de)發展(zhan)，將不(bu)斷突(tu)破分選的(de)極限(xian)，目前還無法單獨(du)回收的(de)材料，在不(bu)遠的(de)將來將成(cheng)為可能(neng)。
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(jiang)在其中扮演非常重要的角色。
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(de)發展和應用將變得越來越重要。
深度學習，智能的分選技術
深度學習使計(ji)算機(ji)能夠模(mo)仿人類(lei)的(de)學習行為(wei)。例如(ru)，人類(lei)可以將以前(qian)看到的(de)和現(xian)在(zai)看到的(de)東西聯系起(qi)來，從而識(shi)別各(ge)種各(ge)樣(yang)的(de)物體或材料。把這(zhe)種本(ben)領教給機(ji)器，讓機(ji)器做同樣(yang)的(de)事(shi)情(qing)，機(ji)器的(de)速度會(hui)比(bi)人類(lei)快得多。陶朗(lang)在(zai)早期的(de)分選機(ji)器上就部署了人工智能，經過長時間的(de)不斷發展(zhan)并在(zai)融入了深度學習的(de)算法之后，在(zai)人工智能層面(mian) GAIN已(yi)達到一個新的(de)技術水平。
傳統的(de)機(ji)器學(xue)習(xi)主要是從(cong)數據中學(xue)習(xi)規律(lv)(lv)，并將(jiang)學(xue)習(xi)到(dao)的(de)規律(lv)(lv)用于預測新的(de)數據。而深(shen)(shen)度(du)學(xue)習(xi)是強調(diao)通(tong)過深(shen)(shen)度(du)模型(xing)來(lai)學(xue)習(xi)規律(lv)(lv)，因為(wei)通(tong)常深(shen)(shen)度(du)模型(xing)的(de)表征(zheng)能力(li)更強，同(tong)時深(shen)(shen)度(du)學(xue)習(xi)能夠實現(xian)自動的(de)特(te)征(zheng)提取，能夠實現(xian)端(duan)到(dao)端(duan)學(xue)習(xi)。
深度(du)學(xue)習(xi)(xi)和(he)傳統機器(qi)學(xue)習(xi)(xi)都是(shi)(shi)機器(qi)學(xue)習(xi)(xi)的范(fan)疇(chou)。但與傳統的機器(qi)學(xue)習(xi)(xi)不(bu)同，深度(du)學(xue)習(xi)(xi)不(bu)需要(yao)特(te)別的編程(cheng)，而(er)是(shi)(shi)從收集的大(da)量數據中獨立學(xue)習(xi)(xi)。這(zhe)樣(yang)可以(yi)更好地適應不(bu)斷變化的廢物流(liu)和(he)檢測新(xin)的或(huo)被覆蓋(gai)住的物體，而(er)這(zhe)些是(shi)(shi)以(yi)前的技術(shu)所不(bu)能分(fen)選的。
融合(he)了深度學(xue)習技能的(de)GAIN可以(yi)從(cong)成(cheng)千上(shang)萬的(de)分(fen)選結果的(de)物體(ti)(ti)圖片中學(xue)習，了解哪些(xie)是可接受的(de)物體(ti)(ti)哪些(xie)是要放棄的(de)物體(ti)(ti)。深度學(xue)習可模仿人腦中大量神經元層的(de)活(huo)動來學(xue)習復雜(za)的(de)任務。在機器訓練(lian)期間(jian)，通過(guo)這種方式， GAIN 學(xue)習了如何(he)連(lian)接人工神經元以(yi)對物體(ti)(ti)進行(xing)分(fen)類。
GAIN應用例子：剔除玻璃膠筒
因(yin)為玻(bo)璃膠(jiao)筒中(zhong)仍然殘留著(zhu)玻(bo)璃膠(jiao)，為了得到(dao)(dao)純(chun)度更高的PE材料(liao)，需要將玻(bo)璃膠(jiao)筒與別(bie)的PE材料(liao)分(fen)開(kai)。第一版的 GAIN 技術(shu)是專門開(kai)發用(yong)于(yu)排出玻(bo)璃膠(jiao)筒的：通過使用(yong)相機(ji)收集(ji)到(dao)(dao)的信息，從聚乙烯(xi)(PE)物料(liao)流中(zhong)剔除 PE材質的玻(bo)璃膠(jiao)筒。
除了檢測常見的(de)玻璃(li)膠筒(tong)(tong)(tong)(tong)，GAIN還可以檢測較小的(de)雙組份玻璃(li)膠的(de)筒(tong)(tong)(tong)(tong)體(ti)，以及變形或部分損壞的(de)筒(tong)(tong)(tong)(tong)體(ti)。 由于(yu)分選機器通(tong)過空氣噴射來(lai)分離材(cai)料，即使(shi)是成簇的(de)膠筒(tong)(tong)(tong)(tong)也可以被分類(lei)，而這項任務即使(shi)是目前市場(chang)上速度最快的(de)采摘(zhai)機器臂也難以完成。
為了完成這項任(ren)務，GAIN學(xue)習(xi)了數千張(zhang)圖(tu)像，按(an)順(shun)序配置了兩套系統，最后實現了99%的玻璃膠筒的剔除率。
想了解GAIN的更多技術詳情，請聯系我們！
