Każdego dnia przez linie sortownicze przepływają tysiące przedmiotów. Wiemy, ile odpadów trafia do zakładu i ile materiału opuszcza instalację. Znacznie trudniej odpowiedzieć na pytanie, co dokładnie dzieje się pomiędzy tymi dwoma momentami. Sztuczna inteligencja pozwala spojrzeć na ten proces z zupełnie innej perspektywy.
Taśma pracuje, dane umykają
W zakładach zagospodarowania odpadów od lat wykorzystuje się coraz bardziej zaawansowane urządzenia do separacji materiałów. Separatory optyczne, magnetyczne, balistyczne czy stanowiska ręcznego doczyszczania stanowią elementy rozbudowanych procesów technologicznych.
Jednak sama obecność urządzeń nie oznacza, że dysponujemy pełną informacją o przepływającym przez nie materiale.
Widzimy strumień odpadów, ale czy wiemy, ile znajduje się w nim butelek PET? Jaki udział mają poszczególne kolory tworzywa? Ile zanieczyszczeń pozostaje po ręcznym doczyszczaniu? Jak zmienia się skład materiału w ciągu dnia?
Odpowiedzi wymagają pomiaru, który będzie prowadzony regularnie i według porównywalnych kryteriów.
Kiedy kamera staje się punktem pomiarowym
Tradycyjna kamera przemysłowa rejestruje obraz. Dopiero zastosowanie odpowiedniego modelu sztucznej inteligencji pozwala automatycznie identyfikować znajdujące się na nim obiekty.
System analizy wizyjnej może rozpoznawać określone frakcje odpadów, klasyfikować je i śledzić podczas przemieszczania się po przenośniku.
Śledzenie ma istotne znaczenie. Kamera rejestruje wiele obrazów w ciągu sekundy, dlatego ta sama butelka pojawia się w kolejnych klatkach. Gdyby zsumować wszystkie rozpoznania, wynik byłby zawyżony. System musi więc ustalić, że obserwowany przedmiot pozostaje tym samym obiektem, i policzyć go tylko raz.
W ten sposób obraz zostaje przekształcony w dane opisujące rzeczywisty strumień materiałów.
Jeden pomiar to początek
Szczególnie interesujące możliwości pojawiają się wtedy, gdy analiza prowadzona jest w kilku punktach instalacji.
Kamera umieszczona przed stanowiskiem doczyszczania dostarcza informacji o składzie strumienia wejściowego. Druga, pracująca za stanowiskiem, pozwala określić, jak zmienił się skład materiału.
Porównanie tych danych może pomóc w ocenie skuteczności usuwania zanieczyszczeń i jakości strumienia opuszczającego dany etap procesu.
Ważna jest także możliwość porównywania wyników z kolejnych dni lub zmian. Zamiast opierać ocenę wyłącznie na pojedynczej obserwacji, można analizować powtarzalne pomiary.
Dane mają wartość wtedy, gdy można je wykorzystać
Informacja o liczbie rozpoznanych przedmiotów nie jest celem samym w sobie.
Jej znaczenie pojawia się dopiero wtedy, gdy pomaga odpowiedzieć na konkretne pytanie dotyczące procesu: czy skład strumienia się zmienia, czy rośnie udział zanieczyszczeń, czy wyniki doczyszczania pozostają stabilne?
Dane mogą również wspierać dokumentowanie jakości materiału kierowanego do odbiorcy i analizę działania poszczególnych etapów sortowania.
Nie oznacza to, że sztuczna inteligencja zastępuje wszystkie dotychczasowe metody kontroli. Pomiar wizyjny stanowi dodatkowe źródło informacji, którego użyteczność zależy od jakości modelu, warunków obserwacji i właściwej interpretacji wyników.
Sortownia, która lepiej rozumie własny proces
W Vulpix rozwijamy rozwiązania pozwalające analizować strumień odpadów na podstawie obrazu z kamer przemysłowych. System rozpoznaje i zlicza obiekty, a wyniki udostępnia w formie danych, które można porównywać i analizować.
Nie chodzi o zastąpienie doświadczenia operatorów algorytmem. Chodzi o dostarczenie informacji, których zebranie metodami opartymi wyłącznie na obserwacji człowieka byłoby trudne przy pracy ciągłej.
W gospodarce odpadami coraz ważniejsze staje się nie tylko to, ile materiału przetwarzamy, ale również to, jak dokładnie potrafimy opisać proces, który zachodzi wewnątrz instalacji.
No responses yet