FuturoMercadosTecnología

Deep Learning: El Big Data en máquinas de clasificación 

Las nuevas tecnologías, entre otras cosas, aportan una clasificación compleja con mayor precisión y a rendimientos más altos.

TOMRA Sorting Recycling lanza su nueva tecnología de clasificación basada en deep learning, llamada GAIN, con la que se gana mayor capacidad de rendimiento en sus máquinas de clasificación a partir de sensores.

Esta solución, que se ofrece como complemento del equipo AUTOSORT de TOMRA, clasifica objetos con base en los datos recuperados por el sensor de la cámara RGB del AUTOSORT, logra niveles de pureza inalcanzables hasta el momento, y mantiene la velocidad de producción.

De acuerdo con Alessandro Granziera, director de ventas de TOMRA Sorting Recycling en Italia, al aprovechar el deep learning en las tecnologías de clasificación, el Grupo sofistica y hace aún más eficaces sus máquinas.

“La tecnología GAIN también ayudará a que los equipos se adapten a nuevos flujos de residuos, cuya importancia será cada vez mayor conforme avancemos hacia la economía circular”.

Algoritmos 

El deep learning, como método de inteligencia artificial (IA), permite que los ordenadores imiten el aprendizaje humano. Como enfatiza el directivo, el aprendizaje automático “clásico” de las máquinas requiere que un experto diseñe sus características, mientras que el deep learning, no lo necesita.

“Simplemente, y a partir de miles de imágenes, aprende a identificar los productos que debe clasificar: Imita la actividad de una gran cantidad de capas neuronales del cerebro humano para aprender tareas complejas y durante el proceso, conecta las neuronas artificiales para clasificar objetos”.

Primera aplicación

La primera aplicación de la tecnología está diseñada específicamente para el flujo de Polietileno (PE), logrando separar del mismo los problemáticos cartuchos de PE de silicona. Y es que, a decir de Alessandro Granziera, debido a los restos de este material en los cartuchos, resulta necesario apartarlos del resto para incrementar la pureza del producto final.

Además de detectar las formas habituales de cartuchos de silicona, GAIN identifica los cartuchos dobles más pequeños, usados principalmente para adhesivos bicomponente, cartuchos deformados o aquéllos parcialmente rotos.

“Gracias a sus eyectores de aire, las máquinas eliminan cartuchos pegados, tarea que resulta muy complicada incluso para los brazos robotizados más rápidos del mercado. Esta acción se logra a partir de miles de imágenes, y expulsa el 99% de los cartuchos mediante el uso de dos sistemas colocados en línea”.

 

 

Etiquetas
Botón volver arriba
Cerrar