Siete pronti per i big data? TOMRA sì e lo dimostra ad Ecomondo, dove ha presenta GAIN, la nuova componente aggiuntiva basata sul “deep learning” che migliorerà ulteriormente le selezionatrici AUTOSORT.
TOMRA Sorting Recycling ha lanciato una tecnologia basata sul deep learning denominata GAIN che migliora ulteriormente le prestazioni dei suoi selezionatori a sensori, già leader del settore. La tecnologia GAIN è disponibile come componente aggiuntivo per le macchine AUTOSORT di TOMRA e consente di selezionare oggetti che prima non potevano essere identificati, ottenendo un prodotto finale particolarmente puro, senza diminuire la velocità di selezione di AUTOSORT.
TOMRA ha lanciato ufficialmente GAIN il 5 novembre in occasione di Ecomondo, fiera leader in Europa per tutti i settori dell’economia circolare. Per realizzare una vera e propria economia circolare, eliminando gli sprechi e riutilizzando risorse naturali limitate, saranno indispensabili tecnologie all’avanguardia, come quelle di selezione di TOMRA.
Ha commentato Alessandro Granziera, Sales Manager di TOMRA Sorting Recycling in Italia: “Applicando il deep learning alle nostre tecnologie di selezione, TOMRA aggiunge ulteriore sofisticazione ed efficacia ai suoi selezionatori ottici leader di mercato come AUTOSORT. GAIN aiuterà inoltre le macchine selezionatrici ad adattarsi ai nuovi flussi di rifiuti, che saranno sempre più importanti nel nostro cammino verso un’economia circolare”.
Una selezione migliore grazie ad algoritmi di apprendimento
Il deep learning, ramo dell’intelligenza artificiale (AI), consente ai computer di imitare l’apprendimento umano. Gli esseri umani fanno associazioni tra ciò che stanno guardando e ciò che hanno visto in precedenza, in modo da identificare oggetti o materiali diversi. Alle macchine viene insegnato a fare lo stesso, ma molto più velocemente. Le macchine TOMRA impiegano l’intelligenza artificiale dagli albori della selezione a sensori, ma questa tecnologia ha continuato ad evolversi e ora GAIN la porta ad un livello superiore con algoritmi al di fuori del deep learning.
Il machine learning classico richiede caratteristiche progettate da un esperto, ma al deep learning, sottocategoria del machine learning, questo non serve. Il deep learning apprende da migliaia di immagini di materiali cosa separare durante la selezione. Imita l’attività di un gran numero di strati di neuroni del cervello umano per apprendere compiti complessi. In questo modo, durante la formazione sulle macchine, GAIN impara come collegare i neuroni artificiali per identificare e selezionare gli oggetti.
Prima applicazione: la selezione delle cartucce di silicone
La prima versione della tecnologia GAIN di TOMRA è stata sviluppata appositamente per espellere le cartucce di silicone in polietilene da un flusso di PE, utilizzando le informazioni della telecamera. A causa del silicone rimasto al loro interno, queste cartucce devono essere separate dal flusso di polietilene per poter avere un prodotto finale puro.
Oltre a rilevare forme comuni di cartucce di silicone, GAIN è in grado di rilevare quasi tutte le cartucce doppie più piccole, utilizzate principalmente per adesivo bicomponente. GAIN rileva anche le cartucce sformate o parzialmente distrutte. Grazie alla macchina TOMRA che separa i materiali con getti d’aria, persino le cartucce raggruppate possono essere selezionate, un compito difficile persino per i bracci robotizzati più veloci.
La nuova tecnologia è stata ‘allenata’ a questo compito di riconoscimento e separazione delle cartucce con migliaia di immagini e raggiunge una percentuale di successo del 99% grazie a un sistema a due fasi.
