Una breve storia dell’IA nel riciclo
Un'economia completamente circolare dipende dal riciclo di alta qualità, oggi non ancora diffuso su larga scala, perché molti materiali recuperati sono ancora riciclati a una qualità inferiore (downcycled). Per evitare ciò, la selezione deve diventare più accurata. Ed è qui che l'IA cambia le regole del gioco.
Superare la percezione errata che l'IA sia un trend recente
La distinzione tra IA e deep learning è importante, poiché esiste la percezione errata che l'IA sia un fenomeno recente. In realtà, l'IA è parte integrante del nostro settore da decenni, poiché esprime il concetto più ampio della creazione di macchine intelligenti. Si riferisce a qualsiasi tecnica che consenta ai computer di "imitare" l'intelligenza umana utilizzando logica, regole if-then e machine learning.
Da decenni il machine learning è una caratteristica standard dei nostri sistemi AUTOSORT®. Le nostre prime selezionatrici, risalenti a circa 30 anni fa, utilizzavano principi di base di IA. Anche allora, le nostre macchine erano in grado di prendere decisioni su quali materiali espellere e scartare. Questa capacità fondamentale di imitare il giudizio umano è l'essenza dell'IA.
Quindi, sebbene l'IA venga utilizzata nell’industria del riciclo globale da anni, il deep learning ne rappresenta l’evoluzione di ultima generazione. Il deep learning è un approccio specializzato all'interno del machine learning che si concentra su un tipo specifico di algoritmo chiamato “reti neurali artificiali”. Queste reti neurali vengono addestrate su enormi quantità di dati grezzi per riconoscere e memorizzare determinati schemi complessi e applicarli successivamente a nuovi dati.
Scopri come funzionano gli algoritmi IA nel riciclo
Come TOMRA ha abbracciato le opportunità offerte dal deep learning
Negli ultimi anni, l'impegno di TOMRA nell’utilizzare le ultime tecnologie ci ha spinto ad esplorare il potenziale del deep learning. Il nostro team di esperti di IA carica migliaia di immagini nella rete come materiale di addestramento, finché non impara a distinguere determinate caratteristiche visive di tipi di materiali, come specifici tappi di bottiglia o imballaggi.
Queste conoscenze vengono applicate a nuove immagini provenienti dai sensori del sistema di selezione, rendendo possibile risolvere alcune delle attività di selezione più complesse, attualmente impossibili per l'attrezzatura ottica convenzionale. Inoltre, consente ai sistemi di selezione TOMRA di migliorare continuamente la purezza dei materiali, grazie all'integrazione simultanea dei dati ricevuti in tempo reale da diverse tecnologie a sensori.
Ecco alcuni dei benefici che i nostri clienti ottengono dalle nostre soluzioni basate sul deep learning:
- Flessibilità: Con la composizione dei rifiuti in continua evoluzione, i sistemi di selezione devono essere abbastanza agili da imparare ad adattarsi continuamente ai nuovi requisiti di mercato. Invece di sostituire i componenti hardware o addirittura le macchine, le moderne tecnologie di deep learning possono essere aggiornate con upgrade di software e addestrate dai nostri esperti. Questo ci consente di rispondere più rapidamente alle esigenze dei clienti.
- Creazione di nuovi flussi di materiali: Il deep learning alimentato dall'IA consente agli operatori non solo di migliorare l’accuratezza della selezione, ma anche di creare nuovi flussi di materiali e mercati con un prodotto in uscita di maggior valore.
- Selezione migliorata: Combinando i sistemi di selezione ottica esistenti, che si basano, ad esempio, su sensori NIR (vicino infrarosso) e VIS (sensori visivi), con le tecnologie di deep learning, possiamo ottenere la massima accuratezza di selezione attualmente disponibile sul mercato. Questo ci consente di selezionare per tipo di materiale e colore e, grazie al deep learning, anche per forma, dimensioni o altri dettagli.
- Automazione avanzata degli impianti: Il valore del deep learning risiede nel riconoscimento degli oggetti utilizzando telecamere a colori completi. In altre parole, sistemi come il nostro GAINnext™ vedono ciò che l'occhio umano può vedere. Possiamo automatizzare compiti di selezione che prima dovevano essere eseguiti manualmente, consentendoci di trattare rapidamente e in modo efficiente quantità maggiori di materiali riciclabili.
- Ottimizzazione del processo: I sistemi di selezione alimentati dall'IA generano enormi quantità di dati sulla composizione dei materiali, l'efficienza della selezione e le prestazioni delle attrezzature. Analizzando questi dati, gli operatori degli impianti possono identificare opportunità di ottimizzazione, semplificare le operazioni e prendere decisioni informate per migliorare i processi di riciclo complessivi. Inoltre, le possibilità si estendono oltre i sistemi di selezione. Le telecamere basate sul deep learning possono essere collocate in punti chiave del circuito di selezione per monitorare l'intero processo e il flusso di materiali. L'analisi del flusso di rifiuti basata su IA consente agli operatori degli impianti di monitorare continuamente la qualità dei flussi selezionati, la perdita di materiale e persino di garantire la conformità alle normative sul riciclo degli alimenti.
- Risoluzione di compiti di selezione precedentemente impossibili: Il deep learning risolve compiti precedentemente impossibili, come vedremo tra poco.
Cronologia dell'applicazione pionieristica del deep learning da parte di TOMRA
2019: Introduzione del primo sistema di selezione basato sul deep learning, GAIN (oggi: GAINnext™)
-Rimozione delle cartucce in PE-silicone dai flussi di polietilene (PE)
2022: Prima applicazione del deep learning nel mercato del legno
-Separazione del legno naturale dal legno lavorato
2023: Ulteriore espansione dell’ecosistema di deep learning di TOMRA
-Applicazione di de-inking/Paper Cleaner per flussi di carta più puliti
-Applicazione PET Cleaner per flussi di bottiglie PET con purezza ancora maggiore
-Rimozione MDF
2024: Lancio di varie applicazioni rivoluzionarie, inclusa la prima soluzione nel settore per separare imballaggi plastici alimentari da quelli non alimentari; cambio di nome in GAINnext™
-PET Food vs Non-Food
-PP Food vs Non-Food
-HDPE Food vs Non-Food
-Alluminio (Lattine usate per bevande)
2025: Nuove applicazioni in arrivo!
IA: un catalizzatore per la transizione verde
L'IA è destinata a rivoluzionare il recupero delle risorse, diventando uno strumento cruciale per la transizione verde. Man mano che le normative si inaspriscono e le aspettative dei consumatori evolvono, la nostra industria si trova a un punto di svolta critico. Il deep learning offre una soluzione potente per accelerare l'economia circolare.
In TOMRA, ci aspettiamo che anche le tecnologie avanzate di IA e cloud vengano sempre più utilizzate per l'analisi dei rifiuti, migliorando la trasparenza non solo nei sistemi di selezione, ma nell'intero processo di classificazione. Per questo motivo, abbiamo sviluppato costantemente strumenti di monitoraggio basati su cloud come TOMRA Insight e investito in PolyPerception con le sue piattaforme di analisi dei rifiuti basate su IA.
Sfruttando il potenziale dell'IA, possiamo creare nuovi mercati per prodotti a più alto valore, stimolando ulteriormente la crescita e la sostenibilità.
