近日,作為聯(lián)邦政府合作研究中心項(xiàng)目撥款的一部分,悉尼大學(xué)物聯(lián)網(wǎng)(IoT)和電信中心的研究人員正在開發(fā)一種獨(dú)特的智能機(jī)器人,能夠識別、分類和分離不同類型的可回收廢物,以增加軟塑料的回收。回收機(jī)器人使用人工智能和計(jì)算機(jī)視覺來學(xué)習(xí)如何識別不同形式的回收廢物,有效地學(xué)習(xí)看到和分類廢物,以創(chuàng)建獨(dú)立的廢物流并保持軟塑料的純度,以便它們可以被回收。
盡管我們近年來在塑料回收方面有所改善,但塑料垃圾填埋是一個(gè)日益嚴(yán)重的問題。像保鮮膜和塑料袋這樣的軟塑料是造成這一問題的主要原因,2016-17年有94%的塑料被填埋。軟塑料缺乏足夠的回收方法,因?yàn)樗鼈兒苋菀桌p繞在垃圾分類機(jī)械上,導(dǎo)致機(jī)械故障,并且污染其他可回收材料如紙張。由于這個(gè)問題,目前的回收方法依賴于手工分揀軟塑料,這是一項(xiàng)經(jīng)常重復(fù)且不安全的工作。
研究人員表示,軟塑料是垃圾填埋場的一大貢獻(xiàn)者,長期以來一直是循環(huán)經(jīng)濟(jì)和廢物管理部門的一個(gè)挑戰(zhàn),因?yàn)樗鼈円恢比狈ψ銐虻陌踩诸惙椒?。利用最新的物?lián)網(wǎng)技術(shù),他們創(chuàng)造了一個(gè)定制的機(jī)器人來解決這個(gè)問題,使大多數(shù)軟塑料垃圾得到回收。機(jī)器人將識別家庭日用軟塑料袋,并區(qū)分塑料的來源,將軟塑料與完全混合的可回收物分開。
從其他垃圾中分離出來后,軟塑料將被用于各種用途,包括利用Licella控股公司創(chuàng)造的專利催化水熱反應(yīng)器技術(shù)(Cat-HTR),可以將軟塑料回收成油和其他有價(jià)值的化學(xué)品。這種高度創(chuàng)新的材料處理工藝可以幫助擴(kuò)大Cat-HTR轉(zhuǎn)換技術(shù)的可用范圍。
分選技術(shù)是提升廢塑料回收純度和利用價(jià)值的重要一環(huán)
廢舊塑料,一種具有很高經(jīng)濟(jì)價(jià)值和再生價(jià)值的資源,回收領(lǐng)域中的重要角色之一。比較令人頭疼的是,生活中常見的塑料垃圾大都是混合的。因此,對于回收從業(yè)人員來說,如何更好的對塑料進(jìn)行提純非常值得關(guān)注。往小了說,這決定了我們在進(jìn)行塑料回收時(shí)能不能得到一個(gè)好價(jià)錢。往大了說,這決定了塑料再生的質(zhì)量,也決定了我們能省下多少資源。
廢塑料的價(jià)格,一般是由廢舊塑料的品質(zhì)和復(fù)雜程度決定的,越“干凈”的塑料就越值錢。
顯然,我們并不能去干預(yù)提升塑料的品質(zhì),現(xiàn)在我們能做的還只是減少塑料中的雜質(zhì),通過提升廢舊塑料的純度去提升它的價(jià)值。當(dāng)然,我們可以在進(jìn)行分選工藝時(shí)去提升回收塑料的品質(zhì)。
智能化與自動(dòng)化將是資源回收分選發(fā)展的趨勢
與我們在上文中提到的,悉尼新近研發(fā)的人工智能解決軟塑料回收難題一樣,近年來,隨著科學(xué)發(fā)展,人工智能技術(shù)逐漸成熟,并涉及到再生資源回收利用領(lǐng)域。美國NRT公司和法國MACHINEX公司最近相繼發(fā)布了其新型分揀機(jī)器人Max-AITM和SamurAITM,已經(jīng)分別在相關(guān)的資源回收企業(yè)進(jìn)行安裝和使用,并取得很好的效果。
此外,人工智能分揀機(jī)器人還能通過學(xué)習(xí)不斷改進(jìn),從而提高整體系統(tǒng)性能,確保最精確的識別,實(shí)現(xiàn)最高的回收率和純度水平。傳感器技術(shù)、通信技術(shù)和計(jì)算機(jī)技術(shù)構(gòu)成了現(xiàn)代信息技術(shù)的三大支柱,在信息系統(tǒng)中分別起著“感官”、“神經(jīng)”和“大腦”的作用。
人工智能分揀機(jī)器人通過卓越的傳感器技術(shù)分析目標(biāo)物料的成分,達(dá)到識別廢舊塑料種類的效果,并利用機(jī)械手臂進(jìn)行高速分揀處理。相信隨著人工智能和傳感器技術(shù)的發(fā)展與普及,智能化與自動(dòng)化將是信息時(shí)代的資源回收產(chǎn)業(yè)的趨勢。
聲明:本文來自其他媒體,不代表本網(wǎng)站的觀點(diǎn)和立場。
上一篇:科思創(chuàng)參與制定再生塑料國家標(biāo)準(zhǔn)
下一篇:暴漲200%!又一大批塑料化工原料暴漲
>>返回