Büyük veri için hazırlanın
- JACOM_CONTENT_CREATED_DATE_ON
- JACOM_CONTENT_WRITTEN_BY
Yüksek çıktı oranlarının hedeflendiği komplike ayıklama görevlerinde gelişmiş tutarlılık için TOMRA’nın derin öğrenme tabanlı ayıklama teknolojisi; GAIN
TOMRA Sorting Geri Dönüşüm, sektör lideri olan ayıklama makinelerinin performansını daha da arttırmak için GAIN adlı derin öğrenme tabanlı ayıklama teknolojisini tanıtıyor. GAIN teknolojisi, TOMRA’nın AUTOSORT makinelerinde opsiyonel olarak sunulacak. Nesneleri, sensör verilerine dayanarak sınıflandıran GAIN, daha önce bu denli yüksek saflık seviyelerinde ve AUTOSORT’un çıktı hızından ödün vermeden ayrıştırılamayan malzemelerin ayıklanmasına olanak sağlıyor.
TOMRA’nın GAIN teknolojisi, İtalya’daki Rimini Fuar Merkezi’nde gerçekleştirilen Avrupa’da döngüsel ekonominin tüm sektörleri için önde gelen etkinliği olan Ecomondo Fuarı’nda tanıttı. Atıkların önlenmesi ve sınırlı doğal kaynakların yeniden kullanımı ile gerçek bir döngüsel ekonomiye ulaşılabilmesi için TOMRA ayıklama çözümleri gibi teknolojiler zorunlu olacak.
TOMRA Sorting Geri Dönüşüm İtalya Satış Müdürü Alessandro Granziera, yeni teknolojileri ile ilgili açıklamasında; “Ayıklama teknolojilerimize derin öğrenmeyi getirerek TOMRA Sorting, pazar lideri ayıklama makinelerini daha da geliştiriyor ve etkili hale getiriyor. GAIN teknolojisi, ayıklama makinelerinin yeni atık akışlarına adapte olmalarını sağlayacak ve bu da döngüsel ekonomiye doğru yolculuğumuzda giderek daha fazla önem kazanacak” dedi.
Derin öğrenme algoritmaları ile ayıklama geliştiriliyor
Bir yapay zekâ (AI) yöntemi olarak derin öğrenme, bilgisayarların insan öğrenimini taklit etmelerini sağlıyor. İnsanlar, çeşitli nesneleri ve malzemeleri tanımak için daha önce görmüş oldukları şeyler ile şu anda gördükleri arasında ilişkiler kuruyor. Makinelere aynısını çok daha yüksek hızlarda yapmaları öğretiliyor. TOMRA makineleri, ayıklamanın ilk günlerinden bu yana yapay zekâ kullansalar da bu teknoloji sürekli olarak gelişiyor ve günümüzde BRAIN Teknolojisi derin öğrenme alanından gelen algoritmalar ile yeni bir seviyeye çıkıyor.
Klasik makine öğrenimi özelliklerin ilgili alanda uzman kişiler tarafından geliştirilmesini gerektirirken, makine öğreniminin bir alt kümesi olan derin öğrenme buna ihtiyaç duymuyor. Sistem, binlerce görüntüden ayrıştırma esnasında ayıklanması gereken türleri öğreniyor. Derin öğrenme, insan beynindeki çok sayıdaki nöron katmanının karmaşık görevleri öğrenmek için uyguladığı faaliyetleri taklit ediyor. Bu şekilde makine öğrenimi esnasında BRAIN, nesneleri sınıflandırmak üzere yapay nöronları ne şekilde birleştirmesi gerektiğini öğreniyor.
İlk uygulama, silikon kartuşların ayıklanması
TOMRA tarafından tanıtılacak GAIN teknolojisinin ilk versiyonu, kameradan gelen bilgileri kullanarak bir polietilen (PE) akışından PE-silikon kartuşların atılması için özel olarak geliştirildi. Kartuşlarda kalan silikon zeminlerde bu kartuşların istenen PE malzemeden ayrıştırılması, ayıklama sonuçlarının saflaştırılması için gerekli oluyor.
Silikon kartuşların yaygın türlerinin tespit edilmesine ek olarak GAIN, çoğunlukla iki bileşenli yapıştırıcılarda kullanılan çiftli kartuşlar ile deforme olmuş veya kısmen zarar görmüş kartuşları da tespit edebiliyor. TOMRA’nın malzemeleri hava jetleri ile ayrıştıran makineleri sayesinde kümelenmiş kartuşlar bile ayrıştırılabiliyor. Bu görev, şu anda piyasada bulunan en hızlı robot kolların bile yerine getirmekte zorlandığı bir işlem olarak ön plana çıkıyor.
Yeni teknoloji, bu görev için binlerce görüntü kullanılarak eğitildi ve iki sistemi bir arada kullanarak kartuşların genel olarak yüzde 99 seviyesinde atılmasını sağlıyor.
TOMRA Sorting Geri Dönüşüm
