人工智能(AI)技术正在改变回收行业。
发明具有人类智慧的机器，为人类服务——这一想法最初产生于20世纪40年代。如今，计算能力的提高、互联网技术以及云存储技术使得捕获大量数据成为可能，让分选设备能够实现相互连接，也为引入人工智能打下了基础。
率先引入人工智能的企业，将收获这一前沿技术带来的竞争优势。
在分选领域，人工智能可以大幅提升分选后的产品纯度，从而扩宽回收材料的应用领域，增加企业收益。人工智能还能提高资源回收的自动化水平，减少人工，降低运营成本，提升产线的安全性和稳定性。
01. 人工智能技术的前世今生
20世纪40年代
受大脑神经元网络研究的启发
科学家们开始探索构建“人工大脑”的可能性
20世纪50年代中期
机械设备能够展现出部分智能特征
为人工智能的诞生奠定了基础
当时，计算机发现并证明了新的数学算法
并由此引发了一个AI领域的投资热潮
1997年
这是AI发展的高峰期，涌现许多巨大的技术成就
如AI软件“深蓝”打败了国际象棋世界冠军卡斯帕罗夫
2017
AI程序AlphaGo(阿尔法狗)在最复杂的棋类竞技
围棋中打败了排名世界第一的柯洁
现在
随着计算机产业和大数据技术的飞速发展
人工智能的研发又进入了另一个高峰期
各国政府和企业在AI领域砸下重金
在各行各业推进AI技术的开发和应
希望突破行业发展所面临的局限
02. 人工智能技术正在改变回收业
AI技术早在30年前就走进了回收行业。但在那时，AI算法只是通过对比材料颜色的灰度值或彩色值，借助简单的规则做出判断，决定物料被保留或被剔除。
直到个人计算机出现后，人工智能技术才开始被应用于图像分类。定制的分选相机可捕捉颜色特征以外的材料光谱特性，大幅提高了光电分选设备的精确性。
进入21世纪，分选行业在多光谱成像技术的基础上，引入了经典的机器学习算法，解决数据处理的难题。具体方法是，针对某一特定的分选应用，先对人工智能软件进行培训，使其预先学习并记住大量的物料特征，归纳总结后形成算法。
人工智能技术的进入，使分选机能够检测成分更复杂的材料，并提高分选的准确性。在工业4.0时代，互联网和云技术的发展，使分选机能够收集大量的云端数据，掌握更多的材料特征，进行更深度的学习，从而进一步提升分选能力和精确性。
AI≠机器人
AI经常被误认为是机器人。目前已经出现了机械手臂，在生产中代替分拣工人执行任务。但机器人只是人工智能的一种表现形式，仅仅是人工智能概念中的一部分。
人工智能的核心是基于一定标准做出决策。就分选而言，是基于物料特性进行决策。换言之，软件和算法才是人工智能的核心，而非硬件。人工智能可以只是一个软件，例如打败国际象棋冠军卡斯帕罗夫的“深蓝”。
03. “深度学习”的兴起, 分选技术的变革
云端大数据和显著改进的计算能力相结合，使得算法软件能够解决比以往更复杂的分选难题。
深度学习(Deep learning)是一项强大的人工智能技术，它凭借机器学习算法，从多个维度分离数量庞大的原始数据，从中提取关键数据进行分析。
深度学习有望解决传统的自学习算法无法解决的分选难题。这种基于相机的分选算法能够模仿人类的眼和脑的配合，从而对视觉信号的差异做出区分，甚至比大脑做出的判断结果更稳定可靠，精准度更高。
在回收行业，传统的机器学习软件需要专业的域工程师对软件进行设置。深度学习软件能够从成千上万的物料类别中提取图像信息特征，模仿人类大脑中的神经元活动，记录、学习和分析这些信息，应用于复杂的分选任务。
软件一旦学会了一项新的分选任务，它便能开展比手工分选更稳定、更高效的检测。这将显著提升分选材料的纯度，并降低运营成本。
欲详细了解陶朗的深度学习技术，请关注”陶朗资源回收”公众号，回复“AI”下载白皮书。
04. 回收行业发展新阶段
深度学习技术的问世，将回收行业带入了新的发展阶段——分选线的自动化水平更高，且回收材料的纯度也更高。
- 随着人工智能的引入，分选机无需重新编程，即可在采集少量待分选物料样本的图像特征后，自行学习并调整，完成针对这种物料的分选。
- 此外，云连接促成信息共享，任何错误检测被发现后，都能被共享到云端，供所有其他设备学习并避免同样错误。
- 设备自诊断和提前订购零配件或服务，也将成为现实，从而减少停机时间。
深度学习将显著拓宽分选的应用领域。当今无法解决的诸多分选难题，都有望通过这一技术逐一攻克。目前还无法单独回收的材料，随着人工智能技术的发展，都将在不远的将来成为可能。
问题是，你准备好了吗？
企业该如何借力AI技术？ 点击查看具体案例！