Как ИИ помогает перерабатывать смешанные отходы в повторно используемые материалы
AI и робототехника помогают улучшить сортировку отходов, извлекая ресурсы, которые иначе оказались бы на свалках. NVIDIA поддерживает стартапы, применяющие ИИ для повышения эффективности переработки.
Мировое производство твёрдых коммунальных отходов составляет более 2 миллиардов тонн в год, и эта цифра может почти удвоиться к 2050 году.
AI и робототехника помогают изменить эту тенденцию, улучшая сортировку для извлечения ресурсов, которые иначе оказались бы на свалках.
AIRECO использует ИИ для более точной сортировки пластика, что позволяет направлять материалы в циклы замкнутой переработки, где использованные изделия повторно перерабатываются в новые версии тех же продуктов.
На пилотной линии в Тайнане система AIRECO достигает точности распознавания более 95% и использует NVIDIA Jetson Orin NX для управления роботизированными манипуляторами, которые извлекают объекты с конвейера.
EverestLabs AI развернула около 150 роботизированных систем в Северной Америке и Австралии, которые в реальном времени сортируют отходы на конвейерах, действуя максимально оперативно, чтобы успеть до того, как материал уйдёт дальше.
Система EverestLabs, использующая NVIDIA RTX GPU на периферии и NVIDIA CUDA для оптимизации моделей, которые обучаются на NVIDIA data center GPUs, уже обработала около 40 миллиардов объектов, переработала примерно 25 000 тонн материала и предотвратила выброс около 30 000 метрических тонн углекислого газа.
Greyparrot разработала платформу Analyzer, которая с помощью компьютерного зрения идентифицирует каждый проходящий объект по материалу и бренду, даже в пыльных условиях или при плохом освещении на конвейере, движущемся со скоростью до 4 метров в секунду.
Более 300 систем Analyzer, работающих в более чем 20 странах, выполнили более триллиона детекций ограничивающих рамок, сократив время проверки 15 тонн отходов с 375 часов до шести.
reverse.fashion применяет компьютерное зрение высокого разрешения для автоматической сортировки одежды, распознавая тип изделия, дефекты, цвет, размер, бренд, структуру ткани, сезон и стиль, чтобы направлять каждую вещь в наиболее ценную категорию.
Система reverse.fashion, использующая более дюжины моделей ИИ, оптимизированных с помощью NVIDIA TensorRT и работающих на NVIDIA Jetson, сортирует за час то, что ранее занимало неделю, и сейчас внедряется на предприятиях в Европе.
Это краткое изложение. Полный текст статьи доступен на сайте источника:
Читать полностью на NVIDIAКак это касается вашего бизнеса
Новая модель или сервис дают эффект, только если данные и процессы компании к ним готовы. Аудит ИИ-готовности покажет, где ИИ даст максимальную отдачу, а где внедрять его преждевременно.

