2021 सर्कुलरिटी गैप रिपोर्ट के अनुसार, हर साल दुनिया भर में लोग 100 बिलियन टन सामग्री का उपभोग करते हैं और केवल 8.6 प्रतिशत का ही पुनर्चक्रण करते हैं। दक्षिणी स्वीडन की एक टीम अपशिष्ट प्रवाह से संसाधनों को पुनर्प्राप्त करने के लिए उपयोग की जाने वाली स्वचालित तकनीकों में सुधार करके इस प्रतिशत को बढ़ाने की उम्मीद करती है। परियोजना ने एक अपशिष्ट पहचान परीक्षण विकसित किया जो औद्योगिक कचरे में पुनर्चक्रण योग्य सामग्रियों की पहचान करने और उन्हें छांटने के लिए AI-सक्षम सेंसर और उन्नत रोबोटिक्स का उपयोग करता है।

अपशिष्ट प्रबंधन के लिए आईओटी तकनीक को लागू करने के लिए मिलकर काम करना

अपशिष्ट पहचान परीक्षण नवाचार स्केन और मोबाइल हाइट्स के बीच सहयोग से उत्पन्न हुआ, दो संगठन जो सार्वजनिक भलाई के लिए नवाचार करने के लिए व्यवसाय, शिक्षा और सार्वजनिक क्षेत्र को एक साथ लाने के लिए समर्पित हैं।

साझेदारों इन्वेस्ट इन स्केन, नॉरविडिंग और ओपी टेकनिक के साथ, और माइक्रोसॉफ्ट डेटासेंटर कम्युनिटी डेवलपमेंट से अनुदान, टीम ने एक खुला मंच विकसित किया जिसका उपयोग सेंसर इंजीनियर वास्तविक अपशिष्ट-छंटाई वातावरण में अपनी तकनीक का परीक्षण करने के लिए कर सकते हैं। अपशिष्ट पहचान टेस्टबेड सेंसर तकनीक और मौजूदा अपशिष्ट छंटाई मशीन के बीच एक हार्डवेयर और सॉफ्टवेयर इंटरफ़ेस प्रदान करता है, इसलिए इंजीनियर आसानी से विभिन्न सेंसर में प्लग कर सकते हैं और विभिन्न अपशिष्ट धाराओं में उनके प्रदर्शन की गति और सटीकता का मूल्यांकन और तुलना कर सकते हैं।

वेस्ट आइडेंटिफिकेशन टेस्टबेड परियोजना जून 2020 से जुलाई 2021 के बीच चली। इस दौरान, शोधकर्ताओं और इंजीनियरों ने विभिन्न औद्योगिक अपशिष्ट धाराओं से पुन: प्रयोज्य वस्तुओं को छांटने के लिए सेंसर को मान्य और परिष्कृत करने के लिए प्लेटफ़ॉर्म का उपयोग किया - जिसमें कुछ ऐसी तकनीकें भी शामिल थीं जिन्हें अपशिष्ट को छांटने के व्यावहारिक उद्देश्य के लिए विकसित नहीं किया गया था। उदाहरण के लिए, टीम ने दुनिया के सबसे तेज़ कैमरे का परीक्षण करने के लिए लुंड विश्वविद्यालय के शोधकर्ताओं से संपर्क किया, जिसे फोटॉन को फिल्माने के वैज्ञानिक उद्देश्य के लिए विकसित किया गया था। इस कैमरे का उपयोग करने वाले एक सेंसर का लैब प्रोटोटाइप मुश्किल से पहचाने जाने वाली सामग्रियों की पहचान करने में सफल रहा - और कैमरे की कीमत आज सेंसर में इस्तेमाल किए जाने वाले हाइपरस्पेक्ट्रल कैमरों की तुलना में 20 प्रतिशत कम है। टीम अब कैमरे को व्यावसायिक रूप से उपलब्ध कराने के लिए साझेदारी की तलाश कर रही है।

उद्योग में नवाचार को बढ़ावा देना

इस परियोजना ने शुरुआती परीक्षण से परे नवाचार को बढ़ावा दिया है। उदाहरण के लिए, लुंड विश्वविद्यालय के छात्र एमिल सैंडेलिन ने प्रोफेसर कार्ल जोहान ऑस्ट्रोम की देखरेख में मास्टर डिग्री प्रोजेक्ट के लिए टेस्टबेड का इस्तेमाल किया, जिन्हें कंप्यूटर इमेजिंग में उनके काम के लिए व्यापक रूप से उद्धृत किया गया है। सैंडेलिन की परियोजना ने इंस्टेंस सेगमेंटेशन के नए तरीकों का मूल्यांकन किया, जो कि यह पहचानने की क्षमता है कि एक वस्तु कहां समाप्त होती है और दूसरी कहां शुरू होती है - आमतौर पर मनुष्यों के लिए आसान होता है, लेकिन कंप्यूटर के लिए यह भेद करना काफी चुनौतीपूर्ण होता है कि एक वस्तु दूसरी के ऊपर कब है। परियोजना टेस्टबेड परियोजना द्वारा एकत्र किए गए इमेजिंग डेटा पर एआई एल्गोरिदम को प्रशिक्षित करके सामग्री पहचान की सटीकता में सुधार करने में सक्षम थी। नई तकनीक, अधिक सटीक होने के बावजूद, धीमी है, इसलिए वर्तमान शोध इन नई एल्गोरिदम को उनकी गति में सुधार करने के लिए परिष्कृत कर रहा है।

इनोवेशन स्केन अस्पतालों में साइट पर कचरे की स्वचालित छंटाई में प्रौद्योगिकी के संभावित अनुप्रयोग को भी देखता है। अस्पताल का कचरा एक जटिल उपयोग का मामला है, क्योंकि यह रोगियों के लिए जोखिम के विभिन्न स्तरों को वहन करता है। पुन: प्रयोज्य पदार्थों की स्वचालित पहचान और नसबंदी एक ऐसे क्षेत्र में रीसाइक्लिंग ला सकती है जिसमें अधिकांश सामग्री वर्तमान में अपशिष्ट के रूप में समाप्त होती है।

अधिक टिकाऊ भविष्य की ओर देख रहे हैं

सामग्रियों के लिए एक चक्रीय अर्थव्यवस्था बनाना - और पुनः उपयोग की जाने वाली सामग्रियों के लिए एक बेहतर बाज़ार - यह सब बेहतर सेंसर के साथ सामग्रियों की बेहतर पहचान से शुरू होता है। अपशिष्ट पहचान परीक्षण केंद्र ने अपशिष्ट प्रबंधन में नवाचार के लिए एक केंद्र बिंदु स्थापित किया है। नई तकनीकें सामग्री बाजार में प्रवेश करने वाली पुन: प्रयोज्य वस्तुओं की आपूर्ति बढ़ाने, पुनर्चक्रित सामग्रियों की लागत को कम करने और अर्थव्यवस्था को कुंवारी संसाधनों से दूर ले जाने का वादा करती हैं। नई निजी-सार्वजनिक भागीदारी के साथ, टीम को अधिक टिकाऊ भविष्य के लिए पूरे उद्योग में बेहतर छंटाई तकनीकों को साझा करने की उम्मीद है।

संबंधित पोस्ट

सर्कुलरिटी से प्रेरित, नवाचार द्वारा संचालित – Microsoft सर्कुलर सेंटर स्थिरता को मापते हैं – Microsoft लोकल जानें कि Microsoft सर्कुलर सेंटर क्लाउड सप्लाई चेन स्थिरता को कैसे माप रहे हैं | Azure ब्लॉग और अपडेट | Microsoft Azure एक स्थायी भविष्य सुनिश्चित करने के लिए यूरोपीय और दक्षिण अफ़्रीका डेटासेंटर समुदायों में परिवर्तन ला रहा है – Microsoft लोकल (इनोवेशन स्केन का उल्लेख)