Переработка мусора — это новая сфера, где ИИ делает значительный прорыв. Роботы, оснащённые компьютерным зрением, сортируют отходы с высокой точностью, ускоряя переработку и снижая ошибки. Но это только начало. Генеральный директор компании «ЭкоПоинт» Антон Турченко, поделился с редакцией The GEEK, как машинное обучение меняет подход к утилизации отходов и помогает повторно использовать сырьё.
Как ИИ уже улучшает переработку мусора
С ростом городов и увеличением отходов традиционные методы переработки перестают справляться. В России на многих предприятиях мусор всё ещё сортируют вручную, что неэффективно. Однако ИИ уже предлагает решения, способные радикально изменить этот процесс.
Например, в США роботы от компании AMP Robotics с вакуумным захватом и машинным зрением распознают пластик, бумагу и другие материалы, выделяя пригодное для переработки. Подобные технологии применяются и в других странах: в Канаде и Южной Корее.
В России аналогичные системы используют в компании «РТ-Инвест», где роботы разделяют отходы по типу: первый робот работает по принципу оптического сепаратора, второй – проверяет, чтобы в потоке не пропустить пригодные для переработки материалы. А в Москве нейросети контролируют утилизацию крупногабаритного мусора, отслеживая мусоровозы в реальном времени.
В столичном регионе искусственный интеллект помогает контролировать утилизацию строительных и других крупногабаритных отходов. Нейросеть в режиме реального времени распознает номерные знаки мусоровозов, которые фиксируются на въезде и выезде с перерабатывающих комплексов. Также отслеживается маршрут: если машина не заехала на полигон, а мусор оказался на несанкционированной свалке, информация направляется в соответствующее ведомство.
Российский экологический оператор для мониторинга некоторых полигонов, на которых складируются твердые коммунальные отходы (ТКО), использует беспилотники. Сделанные ими фотоснимки и видео анализируются с помощью искусственного интеллекта, а собранная информация преобразуется в аналитические отчеты, которые помогают выявлять возможные нарушения.
На основе ИИ работают и нижегородские умные аппараты «ЭкоПоинт», которые в обмен на вознаграждение принимают ПЭТ-бутылки, алюминиевые банки, макулатуру и стеклянную тару.
Они оборудованы датчиком веса и видеокамерой, которая в связке с нейросетью распознает тип вторсырья и оценивает его внешний вид. Далее ИИ маркируют и оценивает его состояние по «светофорной» системе: зелёный цвет — всё отлично, красный — непригодно для переработки.
Как ИИ учится сортировать мусор
Нейросети учатся сортировать отходы постепенно, обрабатывая тысячи изображений разных материалов. Люди сначала вручную размечают фотографии отходов, фиксируя, что на них изображено — ПЭТ-бутылка или макулатура. На каждую фракцию приходится загрузить тысячи изображений, где те же пластиковые бутылки представлены в разных вариациях, включая чистые, грязные и смятые. На основе этого идет обучение и выявляются закономерности, которые потом используются при классификации отходов.
Сперва система распознаёт простые формы, затем находит закономерности, классифицируя предметы. Если система ошибается или встречает новый тип отхода, она это фиксирует и применяет для дообучения моделей, чтобы в будущем применять более точную сортировку.
Такой подход делает ИИ очень гибким инструментом, способным постоянно совершенствоваться. Это приводит к ряду преимуществ:
- высокая точность сортировки;
- мгновенная классификация материалов;
- самосовершенствование на основе новых данных;
- сокращение затрат на ручной труд и повышение эффективности.
Будущее ИИ в переработке отходов
Возможности ИИ в переработке отходов только раскрываются. Сегодня системы сортировочных линий с компьютерным зрением уже демонстрируют отличные результаты. Но впереди — интеграция более мощных алгоритмов и технологий, таких как мультиспектральный анализ, который позволит распознавать отходы не только по внешнему виду, но и по химическому составу.
В перспективе полностью автоматизированные заводы могут взять на себя все этапы переработки: от сортировки до упаковки готового сырья, а умные системы будут прогнозировать и предотвращать поломки оборудования, снижая эксплуатационные расходы.
Технологии машинного обучения также способны оптимизировать логистику, сокращая количество лишних рейсов мусоровозов и помогая городам выстроить централизованную систему управления отходами. Это повысит эффективность работы и уменьшит нагрузку на свалки, снижая загрязнение окружающей среды.
Кроме того, нейросети могут сыграть важную роль в образовательных программах, обучая людей правильной сортировке мусора через интерактивные курсы и платформы.
