GAIN-Technologie TOMRA Recycling

GAIN™ - Deep Learning

Gewinnen Sie einen Wettbewerbsvorteil für Ihren Sortierbetrieb

GAIN™: Großer Durchbruch bei der Sortiergenauigkeit

Als zukunftsweisende Add-on-Technologie für den AUTOSORT® ermöglicht GAIN™ das Sortieren von Objekten, die bisher nicht nach ihrer Form und Beschaffenheit getrennt werden konnten. Während GAIN™ bisher nur für die Reinigung von PE-Strömen verfügbar war, bietet GAIN™ jetzt auch bei der Holzsortierung hervorragende Ergebnisse, sodass Sie ein höheres Reinheits- und Produktivitätsniveau erreichen.

Intelligentere Sortierlösungen, für heute und morgen

Deep Learning analysiert Daten und Bilder, um die Sortiermaschine mit genügend Informationen zu versorgen, damit sie Sortieraufgaben im Laufe der Zeit effizienter ausführen kann. Für das Abfallmanagement und das Recycling erweist sich die Technologie als sehr vielversprechend.
 
Wenn GAIN™ mit tausenden von Bildern trainiert wird, stellt es eine Verbindung zwischen dem trainierten und dem, was es sieht, her. Dabei lernt es kontinuierlich, recycelbare von nicht-recycelbaren Abfällen zu unterscheiden, inklusive bislang schwer zu sortierende Materialien.

GAIN AUTOSORT HOLZ

„Bei TOMRA setzen wir seit Jahrzehnten auf künstliche Intelligenz und sind überzeugt, dass Deep Learning auch in Zukunft einen enormen Mehrwert für Recyclingunternehmen schaffen wird."

Sebastian Solbach GAIN
Sebastian Solbach Teamleiter Anwendungsentwicklung – Deep Learning | R&D

Neu GAIN™ für Hackschnitzel

GAIN™ ist wegweisend bei der Nutzung von Deep Learning und jetzt auch für Holzrecycling-Anwendungen erhältlich. GAIN™ ermöglicht es Ihrem Betrieb, saubere recycelte Holzhackschnitzelfraktionen zu erzeugen und zwischen unverarbeitetem Holz (Holz A) und verarbeitetem Holz (Holz B) zu unterscheiden.

Während die Sortiertechnologie mit Röntgentransmission (XRT) Verunreinigungen wie inerte Materialien, Metalle und Glas von Holz entfernt, geht GAIN™ noch einen Schritt weiter: Es reinigt ein Altholz-Gemisch, indem es zwischen verschiedenen Arten von Holzwerkstoffen unterscheidet, darunter: MDF, HDF, WPC und Holzwerkstoffe.

Ihre Vorteile:

- Höhere Ausbeute und Reinheit
- Sortierung in Holzwerkstoffgruppen
- Verbesserte Prozesssteuerung
- Robustes und flexibles Sortiersystem

GAIN™ reinigt Holzhackschnitzel durch Entfernen von Verunreinigungen wie:

- MDF (mitteldichte Faserplatte)
- HDF (hochdichte Faserplatte)
- WPC (Holz-Polymer-Verbund)
- OSBG (Grobspanplatten)
- Spanplatte
- Sperrholz

  • Altholzsortierung für hochreine Holzhackschnitzel – GAIN™-Technologie

  • MDF-Rückgewinnung aus Altholz – GAIN™ Deep Learning Technologie

Silikonkartuschen

GAIN™ für Silikonkartuschen

In Kombination mit AUTOSORT® reinigt GAIN™ Post-Consumer-Polyethylen (PE), indem es PE-Silikonkartuschen und Nicht-PE-Objekte entfernt. Bisher galten Silikonkartuschen als schwierig zu sortieren und als Hauptverunreinigungen in PE-Abfallströmen – GAIN™ setzt jedoch neue Industriestandards in Bezug auf Leistung und Reinheitsgrad.

Auch wenn die Silikonkartuschen gebündelt, beschädigt oder verformt sind, erkennt und trennt GAIN™ die Objekte aus sauberen PE-Fraktionen, was Kunststoff-Recyclern einen deutlichen Wettbewerbsvorteil verschafft.

Ihre Vorteile:

- Unübertroffene Reinheitsgrade von Post-Consumer-PE
- Hohe Anpassungsfähigkeit
- Unterstützt maximale Bandgeschwindigkeit

"Unser neuer AUTOSORT® mit GAIN™-Technologie macht uns zum ersten Unternehmen weltweit, das Deep Learning zur Erkennung und Trennung innerhalb von Holzwerkstoffklassen einsetzt. Es ist eine bahnbrechende Neuerung, die es Recyclingunternehmen ermöglicht, hochwertige Abfallfraktionen nach Kategorien wie verarbeitetes oder unverarbeitetes Holz zu verarbeiten."

Philipp Knopp, Produktmanager GAIN
Philipp Knopp Produktmanager Recycling
  • Mit Hilfe der intelligenten GAIN™-Technologie von TOMRA ist es der ALBA Group gelungen, diese Herausforderung erfolgreich zu meistern. Das Ergebnis sind hochwertige Endprodukte und eine Erfolgsgeschichte, die das Potenzial von Deep Learning abbildet.

  • GAIN ist ein Deep Learning-basiertes Sortier-Add-on für TOMRAs AUTOSORT®. Durch die Klassifizierung von Objekten anhand von Sensordaten wird GAIN mit großen Mengen gesammelter Daten trainiert, um Objekte mit einer bestimmten Form oder Textur zu erkennen.  

Umwandlung von Bilddaten in adaptive Sortierintelligenz

TOMRAs Deep Learning-System wird für die Kategorisierung eines Objekts auf der Grundlage eines Bildes verwendet.

Als Teilbereich der KI extrahiert Deep Learning aussagekräftige Merkmale aus erfassten Daten, z. B. Bilder oder Videos, auf deren Grundlage es lernt, einzigartige Objekteigenschaften besser zu verstehen und die auf dem Förderband transportierten und von den Sensoren gescannten Objekte zu klassifizieren.


TOMRA_Scanninglinie Holz

Neuronale Netze für maximale Sortierpräzision

Deep Learning-Technologien bringen neue Leistungsdimensionen. Um das volle Potenzial auszuschöpfen, bedarf es ausgebauter neuronaler Netze, die das Sortiersystem mittels umfassend etikettierter Daten trainieren. 

TOMRAs Software-Ingenieure schulen das Netzwerk mit Tausenden von Bildern, die einen Pool von Objektinformationen enthalten. Basierend auf diesen Informationen erkennt das Netzwerk Muster und Eigenschaften und verbindet den Informationspool mit der Sortieraufgabe, um so eine hocheffiziente Sortierung durchzuführen.
TOMRA_Trennung Holz A vs. Holz B

Ähnliche Themen