智能化在回收廢品技術下的應用

李銳　蔣玉琴

【摘? 要】廢品回收管理是任何發達國家或發展中國家面臨的世界上最大的問題之一。通過合理的廢品的回收以及管理，能夠有效地實現資源的再循環的利用以及維持良好的衛生條件：另一方面，智能化技術能夠有效地提高廢品回收以及管理的效率，本文結合智能化技術，利用一種廢物管理系統，來實現廢品的有效性識別以及智能化分類，來實現垃圾自助回收后的高效管理以及利用。

【關鍵詞】廢品回收管理;智能化;管理利用

1.前言

要知道大城市產生的浪費部分可以回收，人們需要了解可以帶來益處和使用它們的回收方法，這樣可以減少給環境帶來的問題。因此，如何讓廢物處理技術或可用于適當處理此類材料的型號的方法非常的重要。盡管城市中進行回收廢品的場地眾多但單人們可能會混淆如何找到每次使用的正確垃圾場所。為減少廢物處理不當的影響，本文嘗試使用基于神經系統網絡策略的智能化方式，其目的在于有效地將國內（即紙張，塑料，玻璃和垃圾）廢物進行有效的自助回收以及管理利用。人類管理固體廢物的方式仍然取決于原始計劃，人口增長在增加這些服裝的生產方面發揮了關鍵作用。因此，廢物控制必須單獨減少以維持平衡[1]。廢品管理和功能測試在可持續的全球環境發展中發揮著重要作用。通過回收廢物，減小廢品樁對于社會發展的影響。功能強大的廢品品過濾器通常用于改善回收并減少環境影響[4]。在發展中國家，這種問題尤其明顯，廢物管理是其城市化和經濟發展中的一個重要問題。

由于大多數家庭和企業的不受控制的廢物處理沒有有效和高效的廢物管理系統，垃圾處理已經成為全球的一個主要問題，如果不能夠采取有效的措施，可能導致健康危害和產生不利環境影響。良好的廢物管理在環境發展中起著重要作用。選定的集合通常用于改善回收和減少環境影響，同時，廢品回收管理是經濟增長的主要問題，特別是在發展中國家。多年來，已經采取了許多措施來減少不受控制的廢物處理的影響。諸如射頻識別率（RFID）和傳感器網絡（SN）的技術已被用于提供一種使用廢物管理方法的新方法[2]。這些方法提出了在城市垃圾后提高廢物質量的方式，每個廢品都存儲在標簽上和在RFID廢品自助回收處理步驟期間，讀取標簽以提供特定信息。除此之外，國外相關學者研究了RFID技術和產品自我調節，強調其影響和環境影響的嚴重廢物管理，并從RFID碼中識別每個標識，從而實現城市廢品的有效的分類以及管理。

2.智能化自助回收技術的應用現狀

自2011年，芬蘭公司禪宗機器人首次出現在其廢物管理和機器人廢物分類中。他們的項目使用計算機視覺，機器學習和人工智能（AI）的組合來利用相關的機器人武器來過濾和檢索來自移動傳送帶的再循環材料。從實時饋送中學習AI，提供來自金屬傳感器，3D激光攝像頭和顯示相機的信息，選擇和擬合適當的帶材料并將不可重復使用的通道集成到神經網絡中。[5]這種廢品回收來自北美機器人商業AMP，BHS，MachineX和Zenrobotics的主要參與者的編譯數據，并通過新聞來源方式和過去的報告提供的信息補充了數據。另外，Sadako Technologies正在朝著基于AI的廢物處理項目努力。除此之外，該公司還使用相關的政策來連接到云中的多層網絡。

智能和機器學習是支持MRF自動化現代操作的關鍵技術。與旨在創建重復任務的其他工業機器人不同，機器人架構使用啟用AI的“Vision”來提高其性能。

Visual Publishing程序和診斷程序與以前的版本顯著增加。大多數現代系統使用收集高焦點或3D 攝像機的可視數據。相機檢測物體的不同顏色，形狀，尺寸和尺寸，這種機器多種功能的使用消除了舊設備帶來的不利影響，即通過選擇平面屏幕顯示，黑白模糊圖像或黑色塑料來實現紅外設置的復雜性[6]。

許多先進的過濾設備具有多個傳感器和攝像機，并且可以分析從設備收集的數據以最大化線路性能。自動編輯可以識別特定對象，并查看它們如何適應系統。它們與機器的不同部件進行了比較，一些提供商報告將匿名用戶數據添加到數據庫中，以進一步分析。

機器人通常不被認為是視覺濾波的替代方案，但系統可以協同工作以實現高質量的生產。它們通常在暫停后安裝以控制質量。機器人的要求比用于操作條件的過濾器更簡單，包括皮帶速度。他們通常使用吸盤來拾取物體，但有些物種使用移動錐體或手指形錐體。另外，行業參與者估計平均人員每分鐘將挑選20至40次，具體取決于物體的大小，機器人的數量將多或 小于該數字。制造商聲稱，以前的型號每分鐘有40到60個選項，而新型號每分鐘有60到80個選項。

3.智能化自助回收廢品技術方法

相較于國外，國內智能化自助廢品的技術方面有所且缺。而廢品過濾是回收環節中的重要一環，有很多方法可以通過過濾來準確反映廢品的成本和大小。國外源隔離包括廢物生產和再生材料的分類，這種方式被認為是最好的廢品自助回收方式。據國際廢品散射方法表明，可以檢測到超過25%的正生長潛力。另一方面，為了處理適當的垃圾，通常需要更多的人力。這種自動化過程是最好使用技術和能量，以防止人類疾病和呼吸系統和皮膚病的風險。另外，這也是一個非常高的投資，其廢物處理率為15%。

因此在本文建議使用新的機器學習算法來實現智能化回收管理，這可以大大變簡單的技術和成功級別。機器進口算法結合了新的和現有條件和預測因素以適應變化情況。其最大的優點之一是它可以將最不相關和敏感的傳感器信息集成到決策過程中。隨著時間的推移，可以通過更復雜的系統超越導入系統的效率，該系統被很少可通過知識庫可用的代碼阻止[3]。

而機器學習算法旨在基于重新加載數據和預先設置的示例了解如何執行給定的任務，這稱為學習模型，它有能力根據直接連接讀取自然界的響應，這被稱為機器學習原理驅動。另外本文想討論用戶需要在機器代碼培訓期間建立可能情況列表的案例研究。系統中提供的示例通常是帶有輸入變量和輸出變量的矢量。該廢品回收管理學習算法旨在創建可以繪制動態輸出擴展的工作或模式。[4]該廢物去除樣品的視覺特性是尺寸，顏色，聲音和視力等方面，另外，它能充當輸入模型的變型。容器信息可以定義回收的廢品材料種類和與廢物收集日期相關的其他輸入，而且，它可以充當系統輸出的直接鏈接，其結果是切割垃圾罐發送每個廢物。在使用足夠數量的示例中饋送機器后，使用模型驅動的學習算法來生成積分函數。該學習方法和相關參數由系統確定，這對于輸出的準確性，速度和耐用性非常重要。

4.結論

在廢品回收管理中使用智能自動化方法是非常可行和節省時間的。操作系統具有引入機算法的經驗，以提高系統靈活性。來自聲音測試和光傳輸的早期傳感器數據可以區分清和隱式對象。除此之外，它們還能使用聲波巧妙地分離玻璃，金屬和塑料。必須使用電磁傳感器來過濾真正的金屬。本文論述了相關國外在智能化廢品回收技術方面的應用實例，從而證明通過機器算法的方式可以實現城市回收廢品的自動化，實現城市的清潔管理。

參考文獻：

[1]詹懷宇.廢紙的分類及其再生過程性質的變化[J].廣東造紙，1999（1）：48-52.

[2]董鳳霞，劉紅峰，編譯.回收廢紙的高速智能分類傳感器系統[J].國際造紙，2013，32（1）：48-54.

[3]陳軍偉，編譯.廢紙分選技術綜述[J].國際造紙，2015，34（4）：52-62.

[4]Kunzmann K.R.，Smart Cities：A New Paradigm of Urban Development. Crios，1/2014，pp. 9-20，doi：10.7373/77140

[5]Komninos，N.，Intelligent Cities：Innovation，Knowledge Systems，and Digital Spaces，2002，Spon Press

[6]Open Data Copenhagen：http：//data.kk.dk/

（作者單位：安徽文達信息工程學院）