视觉 AI 和机器人技术能够从传送带中的旧衣服、瓶子和混合可回收物中筛选出值得回收的物品,从而分流了数千吨垃圾填埋场的材料。

NVIDIA 可持续发展负责人 Josh Parker 表示:“循环经济的发展依赖于更好地利用现有资源。AI 可以帮助我们了解废弃物流的构成,识别其中可以回收的材料,并实现分拣工作的自动化。我们正在为创新者提供计算工具,以提高这些流程的效率,并推动相关技术在更多地方落地应用。”
看看四家 NVIDIA 初创加速计划成员,如何利用 AI 让有价值的材料得以循环利用。
AIRECO 赋予塑料废弃物以新的生命
AIRECO 公司(宜科循环)的创始团队认为,AI 分拣可以降低成本并提高回收质量,使这些材料更具商业价值。该公司使用视觉 AI 对塑料进行更精细的分拣,能够从混合的废品堆中提取材料,进而实现闭环回收,将旧物品重新处理成同一产品的新版本。
公司在一家回收工厂的试点生产线上使用了 NVIDIA Jetson Orin NX 模组运行推理,包括驱动机械臂从传送带上拾取目标。该测试线上的识别准确率最高可达 95%。
EverestLabs AI
将机器人技术引入回收线
EverestLabs AI 公司在分拣线上部署了由计算机视觉引导的机器人。目前,在北美和澳大利亚的相关设施中已部署了大约 150 个。
EverestLabs 在边缘利用 NVIDIA RTX GPU 运行 AI 推理,利用 NVIDIA 数据中心 GPU 训练模型,并通过 NVIDIA CUDA 进行优化。该公司估计,到目前为止,其部署的系统已识别出大约 400 亿个物品,回收了大约 2.5 万吨材料,并减少了大约 3 万公吨的二氧化碳排放量。
Greyparrot 帮助回收企业
全面掌握废弃物流的情况
Greyparrot 公司推出了 Analyzer 平台来改变这种状况。它安装在传送带的上方,利用计算机视觉技术,按材质和品牌识别每个经过的物品,即使在灰尘较多或是光线不足的环境中,面对每秒移动 4 米的传送带,该系统也能完成识别。
Greyparrot 使用 NVIDIA GPU 在数十亿个物品上训练 AI 模型,同时使用 NVIDIA Jetson 模组在边缘实现快速检测。目前,在 20 多个国家和地区部署的 300 多个 Analyzer 系统已完成超过万亿次边界框检测,将检查 15 吨垃圾所需的时间从 375 小时缩短到仅 6 小时。
reverse.fashion 让废弃衣物焕然一新
reverse.fashion 公司正在利用高分辨率计算机视觉技术,推动这一分拣流程的自动化。其系统可识别产品类型、瑕疵、颜色、尺寸、品牌、面料结构、季节属性和风格,并将每种服装分配到最有价值的类别。
当纺织品以每秒 3 米的速度穿过传送带时,reverse.fashion 系统会利用十几个视觉 AI 模型对其进行分析。这些模型经过 NVIDIA TensorRT 优化,并运行在边缘的 NVIDIA Jetson 模组。这些模型在工作站和云端的 NVIDIA GPU 上已进行了训练。
以上为摘要内容,点击“阅读原文”或扫描下方二维码阅读完整内容:
