全球再生塑料资讯站再生塑料 · 循环经济← 全部资讯

企业动态

【比利时】PolyPerception 西班牙和葡萄牙运营分析师 Margarida Gonçalves 访谈

责任编辑:Julian He4 分钟阅读
PolyPerception 西班牙和葡萄牙运营分析师 Margarida Gonçalves 访谈

要点

  • PolyPerception 设备直接安装于现有传送带,无需改造工厂基础设施。
  • 系统支持检测木材、纺织品及尿布,并可开发品牌识别等定制分类器。
  • 集成 LLM 后,用户无需配置报表或导出电子表格即可查询数据。
  • 提供基于视觉相似度的搜索功能,可定位特定时间段内视觉相似物体。

一台安装在传送带上的相机,这是比利时企业PolyPerception的起点。该公司已将计算机视觉与机器学习技术转化为分类与回收工厂的管理工具。其方案既具体又具雄心:让任何操作人员无需接受专门的技术培训,便能以向当班同事提问般的自然方式,实时查询工厂数据。负责西班牙和葡萄牙市场的运营分析师Margarida Gonçalves阐述了人工智能如何改变回收工厂对生产线运行情况的认知、监控与优化方式。

PolyPerception选择在这一领域深耕。这家在比利时成立、并在伊比利亚半岛市场影响力持续扩大的企业,将计算机视觉与机器学习模型相结合,为大多数工厂操作人员提供了过去难以企及的能力:对其传送带上通过的物料进行持续、量化且真实的可视化呈现,包括物料种类、比例、纯度水平及处理速度。

PolyPerception的布局不仅限于技术层面。在分析设备和软件平台背后,是对回收工厂中数据实际使用者及其需求本质的深入思考。当班操作人员、工艺工程师、质量负责人及管理层在同一生产环境中协作,却面临截然不同的问题。设计一套能够回应所有用户需求、且不向任何用户强加非其职责范围内的技术学习曲线的解决方案,正是Gonçalves接下来将详细阐述的核心挑战。

“尽管数据相同,但每位用户所关注的问题截然不同,”Gonçalves指出。

PolyPerception是什么?它在监控、质量控制及废弃物流知识方面为回收工厂提供了哪些价值?

PolyPerception是一家专注于利用人工智能分析废弃物流的比利时企业。我们开发基于摄像头的分析设备,直接安装于分类与回收工厂的传送带上,并配套提供软件平台,使工厂团队能够实时、持续地掌握所处理物料的真实组成情况。

该分析系统基于计算机视觉与机器学习技术,能够识别并分类传送带上的各类物体,进而生成关于物料成分、纯度、处理效率及回收率的实时数据。该设备可直接部署于现有传送带,无需对工厂基础设施进行任何改造。

对运营方而言,这一技术主要带来三大核心价值。首先是运营监控:实时掌握物料回收量、纯度水平及处理速率。其次是质量控制:确保物料成分符合监管或合同规定的标准。部分客户利用该系统监控多路物料流的纯度,以证明其履行生产者责任延伸(EPR)相关义务。最后是商业决策支持:获取关于进出厂物料质量的客观、可追溯数据,从而优化采购与销售决策。

目前,该系统已覆盖轻型包装及城市固体废物(RSU)的主要处理流程,同时具备检测木材、纺织品及尿布的能力,并支持开发定制化分类器,例如品牌识别系统。

PolyPerception西班牙及葡萄牙运营分析师指出:“过去需要人工检查或专业数据分析才能完成的检测工作,如今仅需数分钟即可完成。”

工厂团队普遍反馈,数据本身并不缺乏,但从中提取有效信息往往耗时费力,且常需工厂人员不具备的专业技能。一线操作员在轮班期间不应被迫充当数据分析师,才能理解当日上午产线的运行状况。这正是该人工智能代理旨在解决的核心痛点。

该智能体将大语言模型直接集成至平台,并与工厂自有数据实现对接。在实际应用中,用户只需以自然语言提问,例如“上周2号线的回收率与上上周相比如何?”或“周四下午是否出现异常的污染峰值?”,系统即可基于数据即时给出回应。用户无需配置报表、筛选控制面板,也无需将数据导出至电子表格。

除了回答问题,该智能体还被设计为可执行具体操作。例如,用户可通过对话按需生成结构化报告,或根据自定义条件设置警报。

这一技术带来的日常价值在于,信息不再受技术壁垒限制。当班负责人、质量负责人及工艺工程师可以像思考工作问题一样与数据交互,而无需迁就数据库的特定结构。

Gonçalves强调,借助PolyPerception技术,“用户无需配置报表、筛选控制面板或导出数据至电子表格”。

平台在设计上刻意兼顾了工厂内不同角色的需求。尽管底层数据相同,但不同用户关注的问题截然不同。

对于操作员和当班负责人而言,核心价值在于实时可视化。系统提供传送带的实时监测功能,支持回放录制影像并同步展示对应的成分数据。若出现异常波动,例如污染水平上升或回收率骤降,相关人员可在当班期间立即发现、调查并采取措施。此外,主动式警报系统会在问题发生时即时通知现场团队,而非事后追溯。

对于工艺工程师和研发(I+D)团队而言,该平台已成为一项用于研究与持续改进的工具。今年在IFAT上展示的基于视觉相似度的搜索功能便是一个典型案例。用户可以选择一张存在反复出现问题的图像,例如在排放流中出现的特定类型污染物,并定位在特定时间段内检测到的所有视觉相似物体。过去需要人工检查或专门的数据处理工作才能完成的分析,现在只需几分钟即可完成。结合详细的成分和分类信息,该功能有助于识别模式、验证假设,并基于真实证据衡量工艺变更的影响。

对于工厂负责人和管理团队而言,其价值体现在决策支持上。采购、投资或合规报告等事宜可以基于持续、客观的数据,而无需依赖定期抽样或操作员估算。我们的关键绩效指标(KPI)仪表盘提供了对长期绩效趋势的结构化高层视图,为内部报告以及与客户、审计机构和监管机构的沟通提供了必要的透明度。

“数据已经存在,但要从中获取真正有用的信息需要时间,在许多情况下还需要工厂工作人员并不具备的技术能力。”

编辑观点

AI 视觉与 LLM 的结合正在重塑回收工厂的数据交互方式,将数据民主化至一线操作人员。行业应关注此类工具在提升分选纯度、降低人工分析成本方面的实际落地效果,以及其在 EPR 合规数据追溯中的标准化应用潜力。

常见问题

PolyPerception 怎么让操作员直接问数据?

通过集成大语言模型,用户可用自然语言提问,系统即时基于工厂数据回应。无需配置报表或导出电子表格,直接获取如回收率对比等实时信息。

该系统能识别哪些类型的物料?

覆盖轻型包装及城市固体废物主要流程,具备检测木材、纺织品及尿布的能力,并支持开发品牌识别等定制化分类器。

PolyPerception 如何支持 EPR 合规?

通过监控多路物料流纯度,提供客观可追溯数据,帮助客户证明履行生产者责任延伸(EPR)相关义务,满足监管或合同标准。