TOMRA Sorting Recycling führt eine neue, auf Deep Learning basierende, Sortiertechnologie GAIN ein. Verfügbar als optionale Erweiterung zu TOMRAs AUTOSORT-Maschinen wird die GAIN-Technologie die Leistung von TOMRAs branchenführenden sensorgestützten Sortieranlagen weiter verbessern. Durch eine Klassifizierung von Objekten anhand von Sensordaten ermöglicht GAIN die Sortierung von zuvor nicht trennbaren Objekten mit hohen Reinheitsgraden und ohne die Durchsatzgeschwindigkeit des AUTOSORTs einzuschränken.
Die GAIN -Technologie von TOMRA wird auf der Ecomondo 2019 vorgestellt. Zur Verwirklichung einer echten Kreislaufwirtschaft, die auf Müllvermeidung und Wiederverwendung begrenzter natürlicher Ressourcen setzt, sind Technologien wie die Sortierlösungen von TOMRA von zentraler Bedeutung.
Alessandro Granziera, Sales Manager bei TOMRA Sorting Recycling in Italien, erklärt: „Durch die
Verknüpfung unserer Sortiertechnologien mit Deep Learning werden unsere marktführenden AUTOSORT Maschinen noch effektiver. Die GAIN-Technologie wird weiterhin dazu beitragen, Sortieranlagen an neue Abfallströme anzupassen – ein wichtiges Merkmal, welches im Zuge der Entwicklung hin zu einer Kreislaufwirtschaft noch wichtiger werden wird.“

Verbesserte Sortierung durch Deep Learning-Algorithmen.

Deep Learning ist eine Methode der Künstlichen Intelligenz (KI), mit der Computer menschliches Lernen nachahmen. Wenn Menschen Objekte oder Materialien identifizieren, stellen Sie Verbindungen zwischen dem her, was sie kennen, und dem, was sie gerade sehen. Genau das bringt man auch Maschinen bei, die allerdings viel schneller sind. Anlagen von TOMRA nutzen künstliche Intelligenz seit den Anfängen des maschinellen Sortierens. Doch die Technologie hat sich ständig weiterentwickelt und erreicht jetzt mit der GAIN -Technologie und Algorithmen aus dem Bereich des Deep Learning ein neues Level.
Klassisches maschinelles Lernen erfordert Funktionen, die von Domain-Experten entwickelt werden.
Bei Deep Learning, einer Unterart des maschinellen Lernens, entfällt diese Voraussetzung. Dabei werden anhand von Tausenden von Bildern die spezifischen Materialtypen gelernt, die in einer Sortieraufgabe getrennt werden sollen. Deep Learning imitiert die Aktivität einer großen Anzahl von Neuronenschichten im menschlichen Gehirn, um komplexe Aufgaben zu lernen. So lernt GAIN beim maschinellen Training, wie die künstlichen Neuronen zu verknüpfen und zu gewichten sind, um Objekte zu klassifizieren.

Erste Anwendung fokussiert das Aussortieren von Silikonkartuschen

Die erste von TOMRA eingeführte Version der GAIN -Technologie wurde speziell entwickelt, um PE- Silikonkartuschen anhand von Kameradaten aus einem Polyethylen(PE)-Strom auszusortieren. Aufgrund der Silikonrückstände in den Kartuschen, welche die Wiederverwertung negativ beeinflussen, ist die Trennung dieser Kartuschen vom gewünschten PE-Material notwendig, um ein reineres Sortierergebnis zu erzielen. GAIN kann aber nicht nur Silikonkartuschen im üblichen Format identifizieren, sondern erkennt auch kleinere Doppelkartuschen, wie sie meist für Zweikomponenten-Kleber verwendet werden. Auch verformte oder teilweise zerstörte Kartuschen werden erkannt. Da Anlagen von TOMRA Material mithilfe von Luftdruckdüsen trennen, können sogar Kartuschen-Cluster aussortiert werden – eine Fähigkeit, die selbst für die schnellsten auf dem Markt verfügbaren Roboterarme eine Herausforderung darstellt. Die neue Technologie wurde mit Tausenden von Bildern für diese Aufgabe trainiert und erreicht bei Kartuschen einen Gesamtausstoß von 99 %, wenn zwei Systeme nacheinander zum Einsatz kommen.