Сортировка мусора с помощью машинного обучения
На протяжении десятилетий для сортировки отходов по категориям, ценности и процессам обработки использовались различные механизмы. Тем не менее, до сего времени не удавалось создавать их на том уровне, чтобы оправдать все инвестиции в такие технологии. В итоге миллионы людей по всему миру собирают отходы вручную. В передовых странах все происходит с соблюдением стандартов безопасности, тогда как в развивающихся многие живут в бедности, трудясь на мусорных полигонах.
В Лондоне 1850-х годах проживало три миллиона человек, тысяча из которых занималась тяжелой работой. Они таскали засаленные мешки на плечах и телегах, перебирая городской мусор, чтобы оплатить проживание и питание за счет поиска ценных вещей. Далее будет рассказано о нынешней ситуации и имеющихся перспективах.
Ручная сортировка мусора
По оценкам Всемирного банка, в 1988 году 1-2 % мирового населения получали большую часть своего дохода за счет работы с отходами. В наше время существует «Глобальный альянс сборщиков мусора». Сейчас многие люди трудятся в крайне небезопасных условиях и живут в нищете. К примеру, в Бразилии из 209 миллионов граждан 250 000 работают сборщиками мусора на полную ставку.
Китай является всемирным центром приема отходов из развитых стран. Раньше он собирал их, сортировал с помощью миллионов сотрудников, а затем превращал в переработанные материалы для последующего повторного использования. Однако это осталось в прошлом. С 2017-2018 годов Китай больше не принимает 56 видов твердых отходов из-за их плохой сортировки.
Сейчас доступны системы машинного обучения и роботизированные механизмы от таких производителей, как AMP Robotics из Колорадо. Они успешно выполняют свои функции в тех ситуациях, когда автоматические сортировочные механизмы не справляются, особенно в случаях с отходами высокой ценности.
Совсем недавно компания получила новый источник финансирования благодаря инвесторам из Sequoia и отделения Alphabet под названием Sidewalk Infrastructure Partners. Благодаря этому почти за пять лет общий объем приходящих ей денег приблизился к 20 млн долларов.
Кроме создания машин для сортировки, компания также занимается их поставкой. Недавно она обеспечила 14-тью системами завод по переработке во Флориде в дополнение к своим установкам в Калифорнии, Колорадо, Индиане, Миннесоте, Нью-Йорке, Пенсильвании, Техасе, Вирджинии и Висконсине.
Машины для сортировки мусора
Согласно общедоступной информации, текущие показатели работы специальных установок говорят об их эффективности. У машин скорость вдвое больше, чем у людей-сортировщиков, а также гораздо выше точность. Кроме того, их системам не нужны перерывы на кофе и обед.
Экономические факторы также способствуют автоматизации процесса разделения отходов. Она достигается с помощью машинного обучения. Это часть серии CleanTechnica, посвященной использованию прорывной технологии в индустрии очистки.
А теперь немного о том, как AMP применяет эту технологию. Для идентификации отходов компания использует традиционные методы управления роботизированными манипуляторами и машинное обучение. Последнее завоевывает контроль по всей индустрии. Однако подавляющее большинство робототехники и автономных механизмов управляется с помощью заранее написанного кода. Манипуляторы направляются к пластику и начинают работу не под управлением нейросети, а благодаря большому объему запрограммированных действий.
Машинное обучение помогает роботизированным манипуляторам обнаруживать цели и определять, какие элементы потока отходов необходимо отсортировать. Это ключевая индустрия, где оно развивается очень активно. Уровень систем идентификации с машинным обучением в 2012 году позволял им в 60% случаев правильно распознавать кошек и собак. В 2018-м стало возможно за несколько минут обучить систему с 96 %-й точностью идентифицировать конкретную породу.
Большая часть прогресса в этой отрасли связана с деятельностью трех лидеров индустрии, которые недавно получили премию Тьюринга в размере 1 миллиона долларов США: Йошуа Бенджио, Джеффри Хинтона и Янна ЛеКуна. Они делят свою работу между научными кругами и ведущими компаниями, такими как Google и Facebook.
Эти лидеры смогли создать иерархию идентификации в нейросетях, превращающую информацию нижнего уровня во все более наглядные абстракции. Это дает возможность помещать любые изображения в систему, которая распознает, что такое инструменты, углы, цвета и прочее, чтобы обеспечить быстрое обучение в процессе работы.
Компания AMP Robotics не применяет RetinaNet — один из ведущих комплексов нейросетей многократного использования. Но она разработала собственную экосистему машинного обучения, которая улучшалась одновременно с другими комплексами этой индустрии. Изначально она контролировала 70 % сортировки мусора. Сейчас она настроена на выполнение 98 % распознавания и 95 % очистки.
Однако этот уровень эффективности все еще недостаточен для Китая. Его спрос на переработанные товары составляет 99,5 %, что далеко выходит за рамки экономически возможных способов сортировки отходов человеком и в настоящее время также недоступно для систем AMP. Однако скачок автоматизации с 70 % до 95 % демонстрирует скорость развития отрасли.
Роботизация отрасли
Компания AMP достигла своих целей распознавания и чистоты в 2017 году. Но прогресс этих показателей с тех пор замедлился. Компания занимается расширением охвата новых видов отходов и условий окружающей среды. Ее машины достигают очень впечатляющих показателей при различных температурах и степенях освещения, типах отходов. Высокий уровень надежности техники и расширение рынка явно были достигнуты.
Залогом прогресса является постоянное усиленное обучение. Так было в случае с CleanTechnica IoT plus для нейронной сети и систем Tesla для автономных автомобилей. AMP Robotics поддерживает единую платформу обучения. Все системы отраслей объединяются в общее облако. Команда AMP постоянно повышает уровень достигнутого. Как и в других системах, лучшие модели распознавания доступны для всех установленных устройств. Информация, полученная в результате работы одного клиента, автоматически становится открытой для другого.
Технология машинного обучения позволяет приобретенному сегодня устройству работать более эффективно завтра, чем продолжают пользоваться, к примеру, клиенты Tesla.
Системы AMP работают не на линии предварительной сортировки, где часто наблюдается большая разница в размерах и массах объектов, а на этапе после нее. Во многих случаях они также не принимают отходы строительства и сноса.
Компания совместно с японской Ryohshin разработала роботизированные системы, которые работают с объектами до 40 кг. Во многих случаях строительные отходы измельчаются и разбиваются на куски. Их легко обрабатывают стандартные роботы меньшего размера.
Прогнозы на будущее
На протяжении десятилетий развитый мир использовал рабочих для сортировки высоко- и малоценных отходов, отправляя их в страны со слабым природоохранным законодательством и дешевым трудом. Эти дни подходят к концу.
Примером, связанным с Ванкувером, является давний спор, который был окончательно разрешен в этом году. В 2013 и 2014 годах 103 контейнера, предположительно содержащие пластик, покинули порт для последующей переработки на Филиппинах. Было обнаружено, что они содержат несортированные бытовые отходы, что является частой проблемой. Эта ситуация послужила причиной международного дипломатического скандала.
Филиппины и Канада подписали Базельскую конвенцию о контроле за трансграничной перевозкой опасных отходов. Поставки подобных грузов противоречили ей. Основное требование заключалось в том, чтобы отправляющая страна забрала отходы обратно.
Наконец 69 контейнеров были отправлены обратно в Канаду. Остальные содержали бумагу, которую можно было безопасно вывезти с территории Филиппин. В июне 2019 года отходы закончили свое шестилетнее пребывание за границей и вернулись в порт Ванкувера для утилизации.
В наши дни развитым государствам уже непозволительно использовать другие страны как полигон для своих отходов и испытаний перерабатывающих систем. Компания AMP Robotics предоставляет передовые решения, которые позволяют эффективнее сортировать мусор. Нашей стране еще далеко до уровня успеха Швеции, где на свалки попадает менее 1 % бытовых отходов, но мы уверенно движемся к улучшению ситуации.