根據《2021 年循環性差距報告》，全球每年消耗 1000 億噸材料，但回收利用率僅為 8.6%。來自瑞典南部的團隊希望透過改善自動化技術，從廢棄物中回收資源，以提高回收率。該專案開發了一個廢棄物識別測試平台，使用 AI 感應器和先進的機器人技術來識別和分類工業廢棄物中的可回收材料。

攜手將物聯網技術應用於廢物管理

廢物識別測試平臺源於創新斯科訥和莫比爾高地之間的合作，這兩個組織致力於將商業、學術界和公共部門聚集在一起，為公共利益進行創新。

該團隊與合作夥伴Invest in Skåne，Norrvidinge和OP Teknik以及Microsoft數據中心社區開發的資助一起開發了一個開放平臺，感測器工程師可以使用它來在真實的廢物分類環境中測試他們的技術。廢物識別測試平臺在感測器技術和現有的廢物分類機之間提供了硬體和軟體介面，因此工程師可以輕鬆插入不同的感測器，並評估和比較其在不同廢物流中性能的速度和準確性。

廢棄物識別測試平台專案於 2020 年 6 月至 2021 年 7 月期間進行。在此期間，研究人員和工程師利用該平台驗證並改進感測器，從不同的工業廢棄物中分類出可再利用的廢棄物，其中包括一些尚未針對廢棄物分類的應用目的而開發的技術。舉例來說，研究團隊與隆德大學 (Lund University) 的研究人員聯繫，測試世界上最快的攝影機，該攝影機是為拍攝光子的科學目的而開發的。實驗室的感應器原型使用這款攝影機，成功識別出難以檢測的物質，而且這款攝影機的成本比現今感應器使用的高光譜攝影機低 20%。研究團隊現正探索合作夥伴關係，讓這部攝影機可以在市場上銷售。

激發整個行業的創新

除了最初的測試之外，這個專案也引發了許多創新。例如，隆德大學 (Lund University) 的學生 Emil Sandelin 在Karl Johan Åström教授的監督下，使用測試平台進行碩士學位專案，Karl Johan Åström教授在電腦影像領域的研究廣受好評。Sandelin 的專案評估了實例分割的新方法，也就是辨別一個物體在哪裡結束，另一個物體在哪裡開始的能力 - 這對人類來說通常很容易，但對電腦來說，要分辨一個物體在另一個物體之上，卻相當具有挑戰性。該專案透過在測試平台專案所收集的影像資料上訓練人工智能演算法，得以提高材料辨識的準確度。新技術雖然更為精確，但速度較慢，因此目前的研究正在改進這些新演算法，以提高其速度。

創新斯科訥還看到了該技術在醫院現場自動分類廢物的潛在應用。醫院廢物是一個複雜的用例，因為它對患者的暴露程度不同。可重複使用物的自動識別和滅菌可以為目前大多數材料最終成為廢物的部門帶來回收利用。

展望更可持續的未來

創造材料的循環經濟，以及再利用材料的更佳市場，一切都從使用更好的感應器來更好地識別材料開始。廢棄物識別測試平台為廢棄物管理的創新建立了一個聚焦點。新技術有望增加進入材料市場的可再利用材料的供應，降低回收材料的成本，並使經濟從原始資源轉移。隨著新的公私合作夥伴關係的建立，該團隊希望能在整個產業中分享改良的分類技術，以創造更永續的未來。

相關文章

受循環啟發，以創新為動力 - 微軟循環中心擴展永續性 - Microsoft Local 了解微軟循環中心如何擴展雲端供應鏈的永續性 | Azure 部落格與更新 | Microsoft Azure 驅動歐洲與南非資料中心社區的改變，以確保未來的永續性 - Microsoft Local(mentions Innovation Skåne)