【西班牙】人工智能:基于AI的废物分选提升回收效率

要点
- Eslava Plásticos 年处理颗粒料达 45,000 吨,是欧洲领先的多种材料回收设施之一。
- 部署了 CNS BRAIN™ 和 AISORT™ 两个独立的人工智能模块,分别用于分离硅胶胶囊和去除食品包装污染物。
- 技术结合近红外/可见光技术与深度学习算法,神经网络经过数百万张图像训练以识别物体形状、尺寸及视觉差异。
- 该方案在不增加额外人员成本的前提下,显著提升了最终产品质量,同时提高了生产吞吐量。
人工智能正重塑传统分拣方式,废弃物管理行业由此迎来一场技术变革。Eslava Plásticos 是这场转型的先行者之一。这家家族企业自 1974 年创立以来,已发展成为欧洲领先的多种材料回收设施之一,年处理颗粒料达 45,000 吨。
智能分离系统应对复杂挑战
Eslava Plásticos 位于瓦伦西亚 Quart de Poblet 的工厂长期面临行业内的一个顽固难题:如何去除在常规光谱仪上发出相同红外信号的污染物。传统的近红外光学分选机虽然适用于标准应用,但在处理这类复杂分离任务时往往力不从心。
“我们需要引入额外技术,以进一步净化 HDPE 料流,提升颗粒料质量,并向最终客户保证尽可能高的纯度水平,” Eslava Plásticos 工厂总监 Javier Ballesteros Magadán 表示。
机器学习模块提升处理性能
凭借与法国技术供应商 Pellenc ST 长达 25 年的合作关系,Eslava 成为首家部署突破性基于人工智能的分选解决方案的回收商。这些创新模块将近红外/可见光技术与深度学习算法相结合,构建出经过数百万张图像训练的神经网络,以识别包括形状、尺寸及视觉差异在内的独特物体特征。
该实施方案包含两个独立的人工智能模块:CNS BRAIN™ 是一种节能解决方案,能够从聚乙烯料流中分离出硅胶胶囊和鼻喷雾剂;AISORT™ 计算机视觉系统则用于从 HDPE 料流中去除食品包装污染物以及人字拖、潜水鳍等物品。
自动化方案实现卓越运营
成果彰显了人工智能增强型废弃物处理的变革力量。先进的分选技术使 Eslava 的工厂跻身行业最精密的运营设施之列,为日益完善的循环经济模式做出贡献。
“得益于 Pellenc ST 实施的人工智能模块,我们在不增加额外人员成本的情况下,显著提升了最终产品质量,同时提高了生产吞吐量,” 工厂总监说道。
智能技术革新材料回收
此次开创性的部署展示了人工智能如何应对废弃物管理行业中最具挑战性的分选难题。借助机器学习能力,回收企业如今能够达成传统光学分选技术无法企及的纯度水平。
Eslava Plásticos 的成功实践标志着回收基础设施的重大进步,表明人工智能驱动的方案能够同时提升产品质量、维持运营效率,并助力向更可持续的废弃物管理实践转型。随着这些技术被更广泛地采用,行业正逐步逼近实现最优资源回收与循环经济目标。
编辑观点
AI 分选技术的落地标志着机械回收从“粗放式”向“精密化”转型,直接提升了 rPE 等再生料的纯度上限,为进入食品级包装市场扫清了技术障碍。从业者应重点关注视觉识别算法在复杂污染物剔除中的应用,评估引入此类智能模块对提升再生料附加值及满足 EPR 合规要求的实际效益。
常见问题
Eslava 用 AI 解决了什么分选难题?
解决了常规近红外光谱无法区分发出相同红外信号的污染物问题。通过结合深度学习算法与视觉特征识别,系统能精准剔除 HDPE 料流中的硅胶胶囊、鼻喷雾剂及人字拖等异物,从而提升再生颗粒的纯度水平。
Eslava 工厂年处理颗粒料多少吨?
年处理颗粒料达 45,000 吨。作为欧洲领先的多种材料回收设施之一,该工厂自 1974 年创立以来,通过引入智能分离系统,在维持高产能的同时实现了运营效率与产品质量的双重提升。
AI 分选对运营成本有什么影响?
在不增加额外人员成本的情况下,显著提升了最终产品质量并提高了生产吞吐量。工厂总监指出,借助 Pellenc ST 实施的人工智能模块,企业实现了自动化方案下的卓越运营,降低了人工依赖并优化了整体产出效率。