Как передает официальное издание СО РАН "Наука в Сибири", технические решения и программное обеспечение сейчас находятся на стадии отладки, но система уже определяет необходимый тип пластика с точностью 95 процентов.
В основе работы системы лежит использование нейросетей. Видеокамеры передают изображение ленты конвейера, по которой циркулируют отходы, а робот с пневматическим захватом собирает и складывает определенный тип пластика в нужные контейнеры. Чтобы научить систему точно различать типы отходов, потребовалось сформировать большую базу данных.
- Речь идет о десятках тысяч изображений, - отмечает младший научный сотрудник лаборатории физических основ энергетических технологий ИТ СО РАН Леонид Чикишев. - 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. Он использует алгоритм принятия решений и собирает тот или иной вид мусора.
Дельта-робот состоит из трех рычагов, прикрепленных посредством карданных шарниров к основанию, но в перспективе его может заменить любой исполнительный механизм. По словам ученого, система вообще отличается гибкостью. Например, можно расставить приоритеты и задать тип мусора, который обладает наибольшей ценностью. Так или иначе, сортировщик работает с высокой скоростью, он способен совершать несколько манипуляций в секунду.
Экспериментальный образец автоматического сортировщика был собран по заказу коммерческой компании, занимающейся раздельным сбором мусора. Централизованно такой сбор в Новосибирской области не проводится, можно встретить лишь специальные контейнеры частных фирм, однако в них часто попадает даже органика. Для того чтобы быстро и точно разделять типы отходов, и нужна автоматическая система на основе нейросетей.
- 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, - рассказывает Леонид Чикишев. - С этой точки зрения инструментарий достаточно универсален, его можно применять в различных задачах.
Не секрет, что даже в зависимости от региона типовой состав бытовых отходов может отличаться. Например, на северных территориях встречается больше металла или стекла, а в средних широтах бумаги больше чем на севере или юге. В этом смысле система новосибирских разработчиков отличается высоким уровнем "обучаемости", подстройки под конкретные задачи и морфологический состав отходов.