全球每年僅回收約 13% 的 20 多億噸城市垃圾。到 2050 年，全球每年的城市廢棄物量將達到 3.88 億噸。
但全球回收行業的效率遠遠不夠。每年，價值高達 120 億美元的可回收塑料 (更不用說紙張或金屬了) 最終進入垃圾填埋場，而不是使用回收材料製造的新產品。
英國的初創公司 Greyparrot 開發了一款由 AI 驅動的小型設備，可提供「廢棄物智能」功能，旨在幫助回收工廠變得更高效、更環保。
這款名為 Greyparrot Analyzer 的兩英尺方形時尚設備使用嵌入式攝像頭來識別和區分流經回收工廠的傳送帶上的材料。
該分析器使用機器學習物體檢測模型（ODM）連接到回收工廠，並幫助改造其基礎設施。ODM 根據數千萬張廢棄物圖像進行訓練，捕獲和分析快速廢棄物圖像只需不到 60 毫秒。
分析器的 ODM 使用 NVIDIA H100 Tensor Core GPU 、 NVIDIA L4 Tensor Core GPU 以及 PyTorch 和 NVIDIA CUDA-X 庫在本地和雲端進行訓練，可以識別大約 90 種不同類型的材料。每台重約 40 磅的分析器也由 NVIDIA GeForce RTX 4060 GPU 提供支援。
2024 年，Greyparrot 分析了其全球設施中超過 40 億個廢棄物。借助這種「廢棄物情報」，運營經理可以將資料用於兩個主要目的。
首先，工廠操作人員可以獲得實時的縱向分析見解，瞭解其設施分離和生成同質可回收材料（如紙張、金屬和塑料）的效率。打造更純淨的可回收材料系列，然後將其出售給產品製造商，這是全球價值 1.3 萬億美元的回收行業的重要組成部分。
資料（實際上是 ODM）的第二個用例是補充部署在設施內的機械臂操作系統，以分類不同類型的廢棄物。手臂與 ODM 通信，幫助他們更準確地分類材質。
Greyparrot 工程副總裁 James Paterson 表示：「回收工廠的工作是將我們丟棄且永遠不會想到的東西重新轉化為可以回收的原生材料，以製造更多類似的東西。」我們在不斷提高吞吐量和品質，因此回收設施可以處理更多的廢棄物，最終仍能獲得更多的淨化產品。」
圖 1、Greyparrot 的分析系統位於回收設施的傳送帶上方，可提供實時和縱向資料洞察，從而提高效率
部署分析器的回收工廠也將其用作觸發器。
例如，分揀設施的一個組件卡死的情況並不少見。當這種情況發生時，不同的材料可能會混合在一起，或者最終在無意中被丟棄，無法準備回收。
借助分析器的 ODM，可快速識別由意外的卡阻引發的分揀錯誤並將其轉發給操作員，以便操作員快速干預。如果沒有 ODM，設施可能需要數小時才能識別機械事故。
Paterson 說：「可以想象，在擁有大量機器的大型設施中，人們可能需要 3 到 4 個小時才能注意到機器卡住了。」「然後有人看了看，發現有很多有價值的鋁罐【錯誤】被丟棄，他們說，‘天哪，我的天哪。系統機了。我們最好檢查機器。「這筆錢實際上會流入垃圾填埋場。」
這家成立五年的初創公司位於倫敦，是 NVIDIA Inception Program 的一部分，在 20 個不同國家地區的超過 55 家回收設施中運營。Greyparrot 擁有大約 50 名全職員工，主要分布在英國，也分布在西班牙、意大利和荷蘭，正在擴展其全球業務。
2024 年初，全球最大的回收工廠製造商荷蘭回收公司 Bollegraaf Group 同意將 Greyparrot 的技術整合到其新設施中。
隨著越來越多的先進設施將 AI 集成到其垃圾分析和機器人功能中，Greyparrot 預計該分析器將有助於提高運營性能並大規模提高回收產量。
WeChat
Profile