Tomra führt Deep Learning Add-on für Autosort-Maschinen ein
Bahn frei für Big Data – „GAIN“ soll für mehr Präzision bei komplexen Sortieraufgaben und hohem Durchsatz sorgen.
Tomra Sorting Recycling führt eine neue, auf Deep Learning basierende Sortiertechnologie ein. Verfügbar als optionale Erweiterung zu den Autosort-Maschinen des Herstellers wird die „GAIN“-Technologie den Angaben nach die Leistung der sensorgestützten Sortieranlagen weiter verbessern. Durch eine Klassifizierung von Objekten anhand von Sensordaten ist die Sortierung von zuvor nicht trennbaren Objekten mit hohen Reinheitsgraden möglich – ohne die Durchsatzgeschwindigkeit des Autosort einzuschränken.
Die Technologie wurde auf der Ecomondo in Rimini vorgestellt. Alessandro Granziera, Sales Manager bei Tomra Sorting Recycling in Italien, erklärte: „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.“
Künstliche Intelligenz auf neuem Level
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, wie es aus dem Unternehmen heißt.
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: 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 würden 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 laut Tomra mit Tausenden von Bildern für diese Aufgabe trainiert und erreicht bei Kartuschen einen Gesamtausstoß von 99 Prozent, wenn zwei Systeme nacheinander zum Einsatz kommen.
(EU-Recycling 12/2019, Seite 40, Foto: Tomra Sorting Recycling GmbH)
