Bahn frei für Big Data: TOMRA präsentiert Add-On für Autosort Maschienen auf der Ecomondo
Verbesserte Sortierung durch Deep Learning-Algorithmen
TOMRA Sorting Recycling führt eine neue, auf Deep Learning basierende, Sortiertechnologie GAIN ein, um die Leistung seiner branchenführenden sensorgestützten Sortieranlagen weiter zu verbessern. Die GAIN-Technologie wird als optionale Erweiterung zu TOMRAs AUTOSORT-Maschinen verfügbar sein. Durch eine Klassifizierung von Objekten anhand von Sensordaten ermöglicht GAIN die Sortierung von zuvor nicht trennbaren Objekten mit hohen Reinheitsgraden und ohne die Durchsatzgeschwindigkeit des AUTOSORTs einzuschränken.Die GAIN -Technologie von TOMRA wird auf der heute beginnenden Ecomondo vorgestellt. Die Ecomondo, die in diesem Jahr im Messezentrum von Rimini stattfindet, ist die bedeutendste europäische Veranstaltung für alle Segmente der Kreislaufwirtschaft. Zur Verwirklichung einer echten Kreislaufwirtschaft, die auf Müllvermeidung und Wiederverwendung begrenzter natürlicher Ressourcen setzt, sind Technologien wie die Sortierlösungen von TOMRA von zentraler Bedeutung.
Alessandro Granziera, Sales Manager bei TOMRA Sorting Recycling in Italien, meint dazu: „Durch die Verknüpfung unserer Sortiertechnologien mit Deep Learning werden unsere marktführenden AUTOSORT Maschinen noch effektiver. Die GAIN-Technologie wird weiterhin dazu beitragen, Sortieranlagen an neue Abfallströme anzupassen - ein wichtiges Merkmal, welches im Zuge der Entwicklung hin zu einer Kreislaufwirtschaft noch wichtiger werden wird.“
Deep Learning ist eine Methode der Künstlichen Intelligenz (KI), mit der Computer menschliches Lernen nachahmen. Wenn Menschen Objekte oder Materialien identifizieren, stellen Sie Verbindungen zwischen dem her, was sie kennen, und dem, was sie gerade sehen. Genau das bringt man auch Maschinen bei, die allerdings viel schneller sind.
Anlagen von TOMRA nutzen künstliche Intelligenz seit den Anfängen des maschinellen Sortierens. Doch die Technologie hat sich ständig weiterentwickelt und erreicht jetzt mit der GAIN -Technologie und Algorithmen aus dem Bereich des Deep Learning ein neues Level.
Klassisches maschinelles Lernen erfordert Funktionen, die von Domain-Experten entwickelt werden. Bei Deep Learning, einer Unterart des maschinellen Lernens, entfällt diese Voraussetzung. Dabei werden anhand von Tausenden von Bildern die spezifischen Materialtypen gelernt, die in einer Sortieraufgabe getrennt werden sollen. Deep Learning imitiert die Aktivität einer großen Anzahl von Neuronenschichten im menschlichen Gehirn, um komplexe Aufgaben zu lernen. So lernt GAIN beim maschinellen Training, wie die künstlichen Neuronen zu verknüpfen und zu gewichten sind, um Objekte zu klassifizieren.
Erste Anwenung bezieht sich auf das Aussortieren von Silikonkartuschen
Die erste von TOMRA eingeführte Version der GAIN -Technologie wurde speziell entwickelt, um PE-Silikonkartuschen anhand von Kameradaten aus einem Polyethylen(PE)-Strom auszusortieren. Aufgrund der Silikonrückstände in den Kartuschen, welche die Wiederverwertung negativ beeinflussen, ist die Trennung dieser Kartuschen vom gewünschten PE-Material notwendig, um ein reineres Sortierergebnis zu erzielen. GAIN kann aber nicht nur Silikonkartuschen im üblichen Format identifizieren, sondern erkennt auch kleinere Doppelkartuschen, wie sie meist für Zweikomponenten-Kleber verwendet werden.
Auch verformte oder teilweise zerstörte Kartuschen werden erkannt. Da Anlagen von TOMRA Material mithilfe von Luftdruckdüsen trennen, können sogar Kartuschen-Cluster aussortiert werden, was selbst für die schnellsten auf dem Markt verfügbaren Roboterarme eine schwierige Aufgabe ist.
Die neue Technologie wurde mit Tausenden von Bildern für diese Aufgabe trainiert und erreicht bei Kartuschen einen Gesamtausstoß von 99 %, wenn zwei Systeme nacheinander zum Einsatz kommen.