Сотрудники Института теплофизики имени Кутателадзе СО РАН создали техническое решение для сортировки твердых коммунальных отходов, сообщает «Наука в Сибири».
«Несколько лет назад стало очень популярно использовать машинное обучение и нейросети. Мы поняли, что с их помощью можно анализировать, например, распределение интенсивности свечения пламени для определения режимов горения, поля скорости или изображения объектов, таких как мусор. С этой точки зрения инструментарий достаточно универсален, его можно применять в различных задачах», – рассказал сотрудник института Леонид Чикишев.
Учёные собрали экспериментальный образец сортировщика пластика по заказу группы компаний «Тайгер-Сибирь», которая занимается раздельным сбором отходов. Пока сортировка производится вручную.
Установка работает так: по ленте циркулируют отходы, а робот с пневматическим захватом на основе изображений с камер складывает нужный тип мусора в отдельные ёмкости. Чтобы обучить систему, содержимое баков прогоняли на конвейере и формировали базу данных.
«Речь идет о десятках тысяч изображений. Наш алгоритм может распознавать различные отходы: пластик бытовой и от автомобильных масел, банки и так далее. Следующий этап – взаимодействие системы распознавания с управляющими и исполнительными механизмами. В нашем случае это дельта-робот (робот, состоящий из трех рычагов, прикрепленных посредством карданных шарниров к основанию). Он использует алгоритм принятия решений и собирает тот или иной вид мусора … Точность определения составляет 95 %», – добавил Чикишев.
Пока это только опытный образец, созданный, чтобы продемонстрировать работоспособность технологии. Возможно, он потребует доработки. Система обучаема — это означает, что она подстраивается под конкретный морфологический состав, если через неё прогнать опредёленный тип мусора.
«Когда мы задумывали этот проект, то закладывали очень большую гибкость, чтобы конструкция была масштабируемой, и можно было применять несколько исполнительных механизмов в зависимости от необходимой производительности. Разница между научным прикладным проектом и финальным коммерческим продуктом колоссальна, но мы фактически продемонстрировали, что система работает», – пояснил учёный.