К 2030 году в России все отходы будут сортироваться, а половина из них — перерабатываться, следует из указа президента. Как этому помогут роботы, Plus-one.ru рассказал Александр Неволин, основатель компании Nevlabs, разрабатывающей оборудование для сортировки мусора на базе искусственного интеллекта.
Для сортировки отходов мы используем искусственный интеллект, а именно — сверточные нейронные сети. Их идею человек подсмотрел у природы.
Дело в том, что зрение людей и животных тоже представляет собой многослойную нейронную сеть. Первый слой распознает самые простые объекты, например линии и точки. Далее нейронная сеть, используя информацию от предыдущего слоя, распознает уже более сложные объекты. Например, среди множества линий она может выделить какие-то геометрические фигуры. Так происходит вплоть до конечного слоя, который выдает ответ — что за объект перед нами.
Нейронные сети так же, как и наш мозг, учатся на примерах. Мы демонстрируем им множество фотографий с пометками: к примеру, «это прозрачная ПЭТ-бутылка» или «это зеленая ПЭТ-бутылка с термоусадочной этикеткой». В показанных изображениях нейронная сеть находит закономерности. Это позволяет ей распознавать те объекты, которые она раньше не видела.
Чтобы обучить нейронную сеть распознавать мусор, необходимо собрать большую базу фотографий. Для этого на заводах устанавливаются камеры — как правило, прямо над конвейерами действующих сортировочных линий. Желательно снимать мусор в условиях, в которых будет работать установка с нейросетью. Это позволит учесть плотность потока, тип освещения и другие факторы, которые влияют на точность распознавания отходов.
Следующий этап — ручная разметка фотографий. Для каждого класса отходов нужно от 5 до 10 тысяч изображений. Всего классов около 10 — итого необходимо разметить 100 тысяч снимков.
Для этого мы привлекаем надомных работников. Они регистрируются на специальном сайте и проходят вводный курс о разновидностях отходов, после чего им необходимо выполнить тест. Если его результаты нас устраивают, человек допускается к работе. Также в системе предусмотрен выборочный контроль разметки: пользователи проверяют работу друг друга, чтобы исключить возможность ошибки.
Как правило, 100 тысяч изображений работники размечают за неделю. Далее мы обучаем нейронную сеть, многократно демонстрируя ей фотографии. При использовании высокопроизводительной видеокарты тренировка занимает две-три недели. Такой подход применяют и для последующего дообучения — производители товаров часто меняют упаковку, поэтому нейронные сети желательно обновлять минимум раз в полгода.
Для этого со всех сортировочных установок через встроенный интернет-модем собираются фотографии проходящих через них отходов. Во-первых, это позволяет выполнять ручной контроль качества распознавания. Во-вторых, чтобы поддерживать знания нейросети о видах отходов, такие фотографии можно выборочно размечать и добавлять к обучающим материалам. Поскольку данные с сортировочных установок собираются на сервер централизованно, нейросеть одинаково успешно распознает мусор как из Москвы, так и из Владивостока.
Сердцем, а точнее — мозгом сортировочной установки является электрошкаф с компьютером, на котором установлены основное программное обеспечение и подсистема технического зрения. Получая данные с камеры и набора датчиков, нейронная сеть распознает отходы и передает данные главному ПО. Он, в свою очередь, дает команду на физический отбор интересующих нас фракций.
Мы выпускаем установки с ИИ в двух вариантах — робот «Гурман» и пневматический сортировщик «Эстет». «Гурман» перемещает нужную нам фракцию с конвейера в бак.
Электроника «Эстета» дает команду на открытие того или иного воздушного клапана. Сортируемая фракция отстреливается в отдельный бункер, остальной мусор падает на следующую сортировочную ленту, где отбирается другой вид отходов.
По сравнению со старыми технологиями распознавания отходов, прежде всего спектральным анализом, ИИ обладает рядом важных достоинств:
Снижаются стоимость оборудования и срок его окупаемости. Нейронная сеть не требует применения гиперспектральной камеры, стоимость которой составляет более половины сортировочной машины.
Возможность сортировки отходов, которые раньше нужно было отбирать вручную. Гиперспектральная камера «видит» лишь тип материала и не может отличить, например, прозрачную ПЭТ-бутылку из-под газировки от бутылки из-под подсолнечного масла. В реальности же их нужно перерабатывать раздельно.
Неприхотливость. Спектральный анализ требует регулярной сложной калибровки, без которой качество сортировки неминуемо снижается. Нейронная сеть абсолютно непривередлива к условиям работы. У нас был случай, когда на одной сортировочной установке перестала работать половина светильников, но качество распознавания осталось на прежнем уровне. Нерабочие светильники заметили спустя месяц.
Возможность обучения под индивидуальные задачи. В частности, нейронную сеть можно обучить распознавать строительные, медицинские и другие виды узкоспециализированных отходов.
Низкое энергопотребление. В существующих сортировочных установках используются мощные галогеновые светильники, гиперспектральная камера требует дорогостоящей системы охлаждения. Нейронные сети отлично распознают мусор и при обычных LED-лампах, которые не требуют охлаждения.
Ручная сортировка — опасная и грязная работа со всеми вытекающими последствиями: высокие затраты, постоянная текучка кадров, нестабильное качество.
Сегодня в России около 200 мусоросортировочных заводов, где в основном используется ручной труд. К 2030 году их число планируют увеличить до 800, широко внедрив автоматические сортировщики.
Мы начинали четыре года назад, практически одновременно с компаниями из США и Финляндии. Вместе с нами в России появилось несколько конкурентов. В разработку технологий мы вкладываем средства, заработанные на разработке ПО на аутсорсе — изначальной деятельности компании. Также два года мы состояли в Фонде Бортника, а сейчас Nevlabs является резидентом «Сколково». В ближайшее время мы планируем свести аутсорс на нет, чтобы заниматься только собственными разработками.
Внедрение ИИ в сортировку коммунальных отходов уменьшает стоимость оборудования — оно становится доступным более широкому кругу пользователей. Пока наши установки стоят на нескольких мусоросортировочных заводах в Подмосковье и Твери, но, я уверен, масштабирование в другие регионы — вопрос времени.
По нашим расчетам, при повсеместном внедрении автоматизированной сортировки отходов использование ручного труда сократится на 90%. Люди потребуются лишь на конечном этапе — контроле качества. Однако здесь отходы уже гораздо менее грязные, и сортировать их куда проще.
Подписывайтесь на наш канал в Яндекс.Дзен.
Автор
Александр Неволин, специально для Plus-one.ru