AMP Robotics公司使用自動化和人工智能 (AI)技術對廢品物流中的材料進行分類。該公司首席執行官Matanya Horowitz分享了這一系統如何運作、如何利用數據以及自動分揀如何影響包裝行業的見解。

　　AMP Robotics開發了一個人工智能平臺(AMP Neuron)，用于區分可回收材料和廢物。您是怎么想到這個主意的?

　　從我還是個孩子的時候起，我就對機器人和智能的起源感興趣。在加州理工學院攻讀控制和動力系統博士學位時，我看到了現在被稱為深度學習的主題的一些主要成果。

　　一系列算法上的突破導致機器學習首次學會了如何看東西，大致和人類一樣。畢業后，我想找到這項技術有用的地方，后來在回收領域找到了。

　　回收行業似乎對這項技術的需求最大。當我參觀回收設施時，我與人們談論了他們面臨的挑戰。

　　他們告訴我，在回收過程中分離出的材料的質量問題，以及設施中員工流動率高的問題。機器學習和機器人技術的融合提供了令人信服的機會，可以將傳統中勞動密集型、高成本、不一致和限制性的任務進行自動化。自動化可以從這些復雜的異構材料流中釋放出更多的價值。

　　如何準確識別不同的產品，并從廢品物流中去除正確的產品?

　　AMP的專有AI技術AMP Neuron，可以通過查看回收設施內傳送帶上的可回收材料圖像來工作。相機對材料的感知方式與人類非常相似。

　　尋找特定的顏色、形狀、紋理、徽標等，AI系統可識別與材料類型相關的圖案，并將這些圖像數字化，使用生成的數據實時推斷分揀環境中的可回收材料和污染物。

　　AI系統通過將數百萬張材料圖像處理成數據來不斷訓練自己，建立在不斷擴展的神經網絡之上，以適應設施材料流的變化。

　　向機器人傳輸哪些數據?信息如何在它們之間傳遞?

　　AMP Neuron將其在傳送帶上看到的每件物品的每張圖像數字化，然后根據客戶的設置引導機械臂拾取編程的材料。隨著更多機器人的部署，該行業將可以利用數百個單元的網絡智能。

　　我們在生產中部署的基于AI的機器人和傳感器越多，產生的網絡效應就越多。就我們的系統而言，這種網絡效應成倍地增加了分揀的智能。

　　如果出現具有挑戰性的包裝類型或新材料，我們能夠捕獲圖像并訓練AI來識別物體。然后將這些知識部署到整個機器人系統中。

　　從本質上講，我們部署的機器人越多，每個客戶就越能通過擴展AI的材料知識來幫助另一個客戶。有趣的是，人工智能可以學會識別幾乎任何可以教一個人識別的東西。

　　這意味著人工智能可以識別超越塑料樹脂或其他類型的材料。它可以識別品牌、外形因素、某些類型的損壞。這為分揀功能提供了一個全新的水平。例如，它可以識別鋁箔與鋁罐，或食品級與非食品級聚丙烯。

　　系統正在識別和分類混合材料。

　　在分類回收時遇到的最常見問題是什么?

　　回收涉及傳送帶上物體的種類、形狀和方向的無限變化。訓練神經網絡來檢測回收物品流中的物體并不容易，尤其是當你考慮到這些物體到達回收設施時可能經歷的物理變形時，這是一個完全不同的挑戰。

　　它們可以被折疊、撕裂、粉碎或部分被其他物體遮擋。這一挑戰反映在機器人抓手上，您需要能夠處理令人難以置信的各種不同形狀因素和包裝損壞類型。

　　此外，還面臨著跟上消費品包裝不斷變化的最新趨勢的挑戰。任何依靠視覺觀察來學習包裝和材料類型之間關聯的機制都需要消耗穩定的數據流，以確保準確分類對象。

　　如何幫助企業提高回收率?

　　我們正在努力提高回收的經濟性和效率，從而降低回收成本并顯著增加高質量回收原料的數量。為此，我們將技術作為改造解決方案部署到現有設施中，并運營我們自己的設施，從頭開始使用AI設計。

　　一個重要因素是人工智能顯著降低了測量設施內發生情況的成本。每個AI傳感器可以識別幾乎所有感興趣的不同材料類型。

　　憑借其以軟件為中心的方法，在設施內進行"廢物表征"的成本從每噸數千美元下降到每噸僅幾美元(或在某些應用中不到1美元)。這將使了解行業中材料流動的實際情況的成本降低了幾個數量級。

　　自動化在改善包裝行業的回收和可持續性方面可以發揮什么作用?

　　回收過程的自動化推動了一致性，因為機器人可以 24/7 全天候工作。他們不累，也不需要休息。此外，它們可以在比人類移動更快的皮帶上工作。

　　它們的一致性也提高了回收商品的質量。機器人是靈活的;我們的系統可以進行調整，以反映物料流變化、商品價格等。

　　材料回收設施(MRF)中廢料的數字化開辟了許多潛在的應用。目前MRF中部署的前兩個是機器人分揀以及獨立傳感器提供的描述性和診斷分析。

　　隨著傳感器分布在整個MRF中，我們能夠幫助MRF成為一個更加數據驅動的設施，以降低成本并增加收入。目前，MRF是一個集中的材料中心，但這些傳感器的擴散開始將MRF轉變為信息中心。

　　MRF中的數據捕獲也會影響新設施的設計。例如，AMP公司將AI應用于物料識別和高級自動化已經成熟到可以開發高分流二次分揀設施的地步，這些設施在更廣的范圍內部署和維持都是具有經濟性的。

　　通過我們的二次分揀模型，AMP 以高精度和純度回收各種形狀和屬性的混合紙張、金屬和塑料組合，特別關注基于AI技術特有的塑料混合物。我們將這些商品轉售給終端市場買家，包括加工商和制造商所需的定制化學和聚合物混合物。

　　我們的技術可以幫助生產商提高回收率，為可回收物創造新的價值流，最終幫助他們追求回收成分的目標。隨著生產者責任延伸 (EPR) 計劃的出現和成熟，MRF設施中不斷增加的傳感器部署可以幫助滿足報告回收率的需求。

　　回收的數據收集、測量和材料表征也創造了一種機制，以支持政府和組織要求的環保計劃，這些計劃側重于垃圾填埋場轉移目標和回收成分標準，以促進更循環的經濟。

　　AMP Cortex 正在為西班牙的一家企業分揀材料。

　　AI驅動的自動化解決方案如何影響包裝行業的發展?

　　我們最新的創新之一是 AMP Vortex，這是一種AI驅動的自動化解決方案，旨在提高薄膜和軟包裝的回收率。再生材料行業缺乏識別和分離薄膜和軟包裝的基礎設施，這些材料會干擾MRF設備，而不是為管理它而設計的。

　　薄膜和軟包裝進入MRF的每一條生產線，導致高水平的污染。但是，由于重量輕，這些材料中的大多數都進入了纖維生產線。

　　薄膜污染會降低纖維包的純度，導致收入損失或需要額外的下游后處理。由于這些材料回收原材料復雜且昂貴，薄膜和軟包裝的終端市場一直受到限制。

　　我們正在開發的Vortex解決方案，以定位和回收用于打包和銷售的薄膜和軟包裝，這將最終減少這些材料產生的廢物。

　　我們的使命是應用技術來實現一個沒有浪費的世界。我們已經在建筑和拆除、電子廢料和有機物等領域有所發展，但我們的目標是將我們的技術應用于任何可以提高每噸材料利潤率的環境中。

　　隨著行業響應消費品公司的承諾，使用更多的消費后回收材料，對AI和機器人技術的需求繼續蓬勃發展，以實現現有回收設施的現代化。

　　通過這些改造，我們看到了幾個領域的機會，從材料表征能力的廣度和精度，到增加數據使用以改善回收操作，再到幫助政策制定者實現可持續發展目標。