パッケージ選択の効率の向上

リサイクルプロセス中、最も重要で最も知られていないタスクの1つは、パッケージの選択です。 コンテナの選択は特定の植物で行われ、そのタスクは、材料と性質（通常はプラスチック、金属製のコンテナ、ブリック）に応じて（黄色のコンテナから）さまざまなコンテナを分離することです。

これらの廃棄物のリサイクルを適切に行う必要があるため、この作業は最も重要です。近年、このプロセスは、手動からインダストリー4.0としての自動化へと進化してきました。 テクノロジーが向上し、ブームに突入したため、プロセス全体の効率が向上しました。

パッケージ選択のテクノロジー

コンテナの選択中に、このプロセスの効率と最適化を改善するためにさまざまな方法で貢献するさまざまなテクノロジーが使用されます。

• コンピュータビジョン

  これは、情報を取得するために、以前に取得した画像にさまざまな操作を適用することで構成されています。この方法により、観察対象物の色や輪郭などのデータを取得することができます。これらの手法を使用すると、オブジェクトが作成された素材を特定したり、画像を操作してアプリケーションにとって最も興味深い情報を抽出したりすることができます。

• 機械学習/ディープラーニング

  オブジェクトの分類や検出など、さまざまな結論を導き出すことができる一連の特性を学習できるアルゴリズムのセット。これらの技術の中で、ニューラルネットワークは際立っており、人間の脳の動作をシミュレートして、受け取ったデータから学習します。この方法は、このタイプのアプリケーションで成功率が高く、対応するカテゴリで廃棄物とパッケージを分離できるようにするために不可欠であるため、パッケージ選択プロセスに非常に役立ちます。通常、コンピュータビジョンと組み合わせて使用​​されます 以前に処理された画像から情報を抽出する場合。

• ロボット工学

  協働ロボットの使用は、コンテナの選択プロセスに不可欠です。これにより、コンテナが属するカテゴリに応じて、物理的な方法でコンテナの分離を自動化できるためです。この機能を実行するために、通常、パッケージングと廃棄物、およびそれらが属するカテゴリを見つけるために必要な情報を提供するコンピュータビジョンとディープラーニングと組み合わせて使用​​されます。オブジェクトを別の場所に輸送する必要がある場合は、AGVと組み合わせて使用​​することもできます。

パッケージ選択の実装プロセス

さまざまなプラントで使用するための信頼性が高く適切な選択方法を確立するために、データを収集し、使用するさまざまな技術を構成できる開発を実行する必要があります。このプロセスは、実行するアプリケーションの種類、インストールの場所、外部要因など、複数の要因によって異なります。ただし、ほとんどすべての状況で、実行する特定の手順を区別できます。

• データ収集

  これは、アプリケーションに必要な検出と分類を実行するために必要な情報の取得で構成されます。コンテナの選択の場合、カメラとセンサーを使用してオブジェクトの画像とデータを取得することで構成されます。

• ラベル付き

  取得したデータに、検索に関心のある特性とそれらが属するクラスを示す方法。提案されているようなコンテナ選択アプリケーションの場合、検索したいオブジェクトがどこにあり、どのタイプに属しているかを画像で示すことが問題になります。

• トレーニング

  タグ付けされたデータは、検出される情報を学習するために使用される検出アルゴリズムによって抽出されます。適切に訓練されたシステムは、さまざまなタイプのコンテナを区別する特性を抽出し、後で分離するためにそれらを見つけて分類することができます。

• 評価

  トレーニングされたアルゴリズムのパフォーマンスが正しいことを確認するために、新しいデータで使用されます。このデータから、パフォーマンスを客観的に評価するメトリックを取得できます。コンテナの選択には、トレーニングプロセスで使用されていないラベル付きの画像が使用されます。このように、精度や混同行列などのメトリックを取得することで、新しい状況で動作することを確認できます。

• インストール

  最後に、上記のすべてが実行され、最も評価の高いアルゴリズムが選択されると、システムは実際の環境で使用されます。このため、アルゴリズムは必要に応じて構成され、アプリケーションにとって興味深い情報を返し、それに応じて使用を続行します。コンテナの選択では、廃棄物の画像が撮影され、アルゴリズムが検出して分類します それらを送信し、その情報をシステムに送信します。システムは、対応する廃棄物の分離を進めるために必要に応じて処理します。

ATRIAでは、 SIARAと呼ばれるかさばる廃棄物識別システムを開発しました。 これは、人工視覚とディープラーニングに基づいており、現在のプラスチック廃棄物分別プラントで障害物の原因となっているオブジェクトを特定することができます。このプロセスは、植物の残りの部分が適切に機能するために重要です。

パッケージの選択にインダストリー4.0テクノロジーを使用する利点

前述のように、パッケージ選択プラントの効率を向上させるために、新しいテクノロジーと自動化の使用が使用されています。この改善は、いくつかの利点につながります。

• データの記録の可能性 。プロセス全体が自動化されているため、作成された分類、作成された時刻を記録したり、関心のある可能性のある画像を保存したりすることもできます。
• 処理速度が速い 。すべてが自動化されているため、システムは、手動で分類する必要がある人よりもはるかに高速に分類を実行できます。
• ビジョンシステムを使用することにより、作業負荷に関係なく、残余物を特定する作業に多数の人員を雇用する必要がなくなります。 。そのため、スタッフは他の機能に専念できます。
• 継続的な改善 学習ベースのシステムであるため、必要に応じて変更や改善を簡単に行うことができます。

いずれかのプロジェクトにパッケージの選択を適用しますか？ お問い合わせください！