SIARA: AI-gestuurde computervisie voor nauwkeurige afvalidentificatie en -scheiding

Enkele weken geleden kon je dit project op onze sociale media ontdekken en vandaag brengen we je een speciale entry. Je kunt ook meer details vinden op de eigen website.

Dit project ontstaat uit de behoefte, bestaande in scheidingsinstallaties voor licht verpakkingsafval, om het operators gemakkelijker te maken groot afval van de behandelingslijn te verwijderen dat, door zijn vorm of afmeting, nadelig is voor de daaropvolgende scheidingsprocessen.

Hiervoor creëren we een kunstmatig intelligentiesysteem voor de identificatie en classificatie van afval door kunstmatige visie, wiens afkorting SIARA is. We vertellen je er alles over!

Wat is SIARA?

Het is een computervisie-systeem gebaseerd op deep learning (neurale netwerken) voor de detectie en scheiding van groot afval dat op de transportband aan de ingang van de installatie voor de selectie van plasticafval, drinkpakken of blikjes (uit de gele zak) wordt gevonden en zo voorkomen dat de lijn verstopt of beschadigd raakt door dergelijk afval.

Met zijn ontwerp zullen verschillende problemen worden opgelost:

• Processtijd reduceren
• Kosten minimaliseren
• Vervelende taken vermijden

Het is een project gefinancierd door het Ministerie van Economie en Bedrijven en gemedefinancierd door het FEDER of Europees Fonds voor Regionale Ontwikkeling, het doel van welk is de sociaal-economische cohesie binnen de Europese Unie te versterken door onbalansen tussen de regio's te corrigeren.

Hoe werkt SIARA?

Het systeem zal leren het afval te detecteren dat niet verwijderd hoeft te worden en de rest af te voeren via camera's met verschillende sensoren en een kunstmatig intelligentiesysteem. Zoals gezegd, zal deep learning gebruikt worden om SIARA te trainen, een database creërend die de acquisitie van afbeeldingen en hun tagging omvat, een heel belangrijk werk dat tijdens de eerste fasen van het project zal worden uitgevoerd.

De meeste computervisie-toepassingen gebruiken camera's die het zichtbare spectrum, kleuren en texturen vastleggen, wat het gemakkelijker maakt om plastic, drinkpakken en blikjes te onderscheiden die dezelfde kleur of textuur kunnen hebben. Voor verdere optimalisatie zal het gebruik van multispectrale camera's bestudeerd worden. Evenzo bieden 3D-camera's diepgang en kunnen helpen bij het selecteren van afvalgebieden op de transportband in de afbeelding.

Het is ook nodig de sensoren te kiezen die opgenomen zullen worden, de computer en de verlichting en de positie van alle elementen in de structuur, evenals de hardware die voor hun evaluatie gebruikt zal worden.

In deze ontvangt een transportband de inkomende afvalstoffen en verdeelt ze door de installatie in verschillende selectieprocessen. Het acquisitiesysteem dat voor gegevensverzameling gebruikt zal worden, zal op deze voederband van de lijn geïnstalleerd worden en zal afbeeldingen maken van het afval dat de installatie binnenkomt. Dit systeem zal geselecteerd en gecalibreerd worden in de laboratoria van ATRIA.

Waar wordt SIARA toegepast?

De testomgeving van het project zal de installatie voor de selectie van plastic verpakkingen, blikjes en drinkpakken zijn getituleerd door de Mancomunidad de San Marcos, waarin Trienekens exploiteert, in Urnieta (San Sebastián).

In deze ontvangt een transportband afval en verdeelt het door de installatie in verschillende selectieprocessen. Het acquisitiesysteem dat voor gegevensverzameling gebruikt zal worden, zal in deze lijn op de voederband geïnstalleerd worden en zal afbeeldingen maken van het afval dat de installatie binnenkomt. Dit systeem zal geselecteerd en gecalibreerd worden in de ATRIA-laboratoria.

Als je geïnteresseerd bent in meer over ons project te leren, aarzel dan niet om de eigen website van het project te bezoeken www.siaraproject.es.

Daarnaast kun je ons volgen op Instagram om op de hoogte te blijven van het laatste nieuws en de ontwikkeling van SIARA tot de finale fase en lancering. We hebben er echt zin in om je elke dag te vertellen!

Als je ons vragen wilt stellen over dit classificatiesysteem gebaseerd op deep learning, neem contact met ons op!