陶朗推出的全新PET净化器和纸张提纯应用，专为识别北美回收商面临的复杂进料物料设计。该系统利用深度学习技术精准识别传统方法难以分类的物体，显著降低人工分拣需求。这些GAINnext™应用可在毫秒级时间内，基于材质与形状识别数千件物体，帮助回收商减少PET和纸包流中的杂质，从而开辟新收入来源、提升盈利能力并优化运营成本。
两款应用均搭载智能多传感器融合系统，可同时集成多个传感器数据，分选精度超越传统光学分选设备。该系统将陶朗 AUTOSORT™ 基于传感器的物料识别技术与 GAINnext™ 提供的深度学习 AI 视觉物体识别技术结合，实现卓越的高纯度分选性能。这一组合在高吞吐量条件下最大化PET和纸类物料的回收率与纯度。
陶朗回收美洲区销售副总裁Ty Rhoad强调：”回收商可将GAINnext™集成至现有产线，直接提升PET和纸张的回收纯度，无需新增独立产线——这对空间受限的运营商尤为关键。新系统物料处理速度高达2000件/分钟（视具体应用而定），并且有助于减少生产线末端的人工分拣需求，使产出效率达到人工分拣的33倍。”
更纯净的 PET 再生料
GAINnext™ PET 净化器能够对不透明瓶进行分选回收，高精度地分拣 PET 中的不透明白色包装、纺织品和铝箔，为回收商创造新的收入来源。它利用深度学习人工智能技术，去除难以分类的 PET 材料，从而减少后续分选和回收环节的挑战。该系统采用二氧化钛保护技术，可即时识别并去除超过 92% 的不透明物体。
GAINnext™ PET 净化器通过去除聚酯纺织废料，显著提升了透明和彩色 PET 的分选性能。它能够提高难以排出的薄膜和多层薄膜的分选率，从而获得更高纯度的 PET 碎片。灵活的系统允许回收商选择不透明彩色、不透明白色、蓝色 PET、浅蓝色或透明 PET 作为分类流，使回收商能够立即从分选线上回收有价值的浅蓝色和透明 PET 材料。
高纯度的纸
GAINnext™ 脱墨纸净化应用可对办公用纸、报纸和杂志进行高精度分选。该净化应用使用了多传感器集成技术，运用深度学习技术，能有效去除纸张流中的杂质，例如披萨盒、鸡蛋盒和其他棕色纸板。该系统还能在高吞吐速度下，即时区分并去除纸流中的灰板。
陶朗回收深度学习产品经理Indrajeed Prasad补充：“我们的 GAINnext™脱墨纸净化应用还可以提高对纸基物品如冷冻食品包装的分选性能。该系统通过高效去除信封、礼品包装纸和牛皮纸食品袋等不需要的材料，持续产出高价值纸类回收料。”
AI 生态系统扩展
陶朗于 2019 年率先为回收行业引入了经过实践检验的深度学习人工智能技术，并推出了一款用于识别和去除聚乙烯（PE）流中聚乙烯硅胶筒的应用。此后，陶朗的深度学习工程师利用数百万张物体图像训练公司的人工神经网络，以解决一些最复杂的自动分拣任务，涵盖木材、塑料以及废旧饮料罐（UBC）等各种类别。
2024年初，陶朗在欧洲市场率先推出三项革命性塑料分选解决方案，能够以高吞吐量高效分离食品级与非食品级PET、PP和HDPE材料，纯度高达95%。同时，陶朗还面向欧洲市场推出了两款非食品级应用，其中PET净化应用可提升PET瓶片流纯度，脱墨纸净化应用则能为欧洲市场提供更洁净的纸类回收料流。如今，此次发布的PET净化应用和纸张净化应用将与既有的废铝罐（UBC）分选方案整合，GAINnext™技术生态进一步扩展，以满足美洲地区回收商的特定需求。