人工智能

人工智能与机器人:如何彻底改变回收效率?

初创公司正在利用基于 NVIDIA 平台的计算机视觉和人工智能技术,将废物分拣作业从缓慢的人工操作转变为高精度的自动化系统,从而提高回收材料的质量并大幅降低运营成本。

2026-11-10
1 分钟阅读
134 浏览量
certi.news Editorial Team
人工智能与机器人:如何彻底改变回收效率?

全球废物管理面临巨大挑战,每年产生的固体废物超过 20 亿吨,但只有极小比例的材料被回收利用。面对这一挑战,人工智能和机器人技术作为关键工具脱颖而出,通过提高分拣过程的精度和速度,将废物从垃圾填埋场转向可持续的经济循环。

通过计算机视觉提高塑料质量

塑料回收主要取决于成本和质量;如果回收材料不符合规格,它们就会被转化为低价值产品(降级回收)。台湾公司 AIRECO 在此领域表现突出,利用计算机视觉(Vision AI)技术对塑料进行超高精度分拣,从而实现闭环回收(Closed-loop recycling),生产出与原始材料相同类型的新产品。

该公司在台南的试点生产线依赖 NVIDIA Jetson Orin NX 模块来运行推理(Inference)任务,驱动机械臂从传送带上抓取材料,识别准确率已超过 95%。该公司计划在明年的完整生产线中,将废物处理能力从每年 18,000 吨提高到 48,000 吨,同时将运营成本降低 85%。

生产线上的实时自动化

在材料回收设施中,速度是关键因素,因为分拣过程必须在快速移动的传送带上完成。美国公司 EverestLabs AI 正在北美和澳大利亚的设施中部署由计算机视觉引导的机器人。这些机器人依靠边缘(Edge)的 NVIDIA RTX GPU 进行实时推理,而模型则使用由 NVIDIA CUDA 技术支持的数据中心 GPU 进行训练。

迄今为止,该公司的系统已成功识别了约 400 亿个物体,回收了 25,000 吨材料,从而避免了约 30,000 公吨二氧化碳的排放。

大数据与废物流量分析

许多回收站传统上依赖于人工抽样,其样本量不到总废物的 1%,导致估算不准确。英国公司 Greyparrot 推出了 Analyzer 平台,该平台安装在传送带上方,利用计算机视觉识别传送带上经过的每一个物体,包括材料类型和品牌,即使在多尘或光线不足的环境中也能正常工作。

通过使用 NVIDIA Jetson 模块,该公司将检查 15 吨废物所需的时间从 375 小时缩短至仅 6 小时。使用这些实时数据已使设施效率提高了 10% 到 30%,并帮助 Coca-Cola 等大公司衡量其包装回收的有效性。

旧纺织品分拣的革命

欧洲每年产生约 700 万吨旧纺织品,其分拣过程需要极高的精度来确定质量和类型。德国公司 reverse.fashion 使用高精度计算机视觉技术来确定产品类型、缺陷、颜色、尺寸和品牌。其人工智能模型使用在 NVIDIA Jetson 模块上优化的 NVIDIA TensorRT 软件运行,使得原本需要整整一周的分拣工作可以在短短一小时内完成。

实际发生了什么变化?

从人工分拣向人工智能辅助分拣的转变在三个关键方面改变了游戏规则:

  • 从猜测到精确:系统不再依赖随机抽样,而是为生产线上经过的每一件物品提供全面且准确的视图。
  • 从降级回收到闭环回收:材料(如塑料)分拣的高精度允许将其重新用于高质量产品,而不是转化为劣质材料。
  • 经济可行性:减少对昂贵人工的依赖并提高处理速度,使回收业务在商业上更具盈利性和可持续性。
新闻来源
NVIDIA AI Blog
查看原始来源 ↗
c
作者

certi.news Editorial Team

同一分类

你可能还喜欢

查看所有新闻