25 de Febrero de 2024

logo
Maquinaria para envasado y procesamiento

Maquinaria de clasificación basados en "deep learning"

Carlos Juárez
Maquinaria de clasificación basados en deep learning

Compartir

Tomra Sorting Recycling lanzó su nueva maquinaria de clasificación basada en deep learning, llamada Gain, con la que se gana mayor capacidad de rendimiento de sus máquinas de clasificación basada en sensores.

El deep learning es un método de inteligencia artificial (IA) que permite que los ordenadores imiten el aprendizaje humano.

La tecnología se ofrece como complemento de la máquina Autosort, equipo que clasifica objetos a partir de los datos recuperados por el sensor de la cámara RGB del Autosort, Gain permite alcanzar unos niveles de pureza inalcanzables hasta el momento, manteniendo además la velocidad de producción de la maquinaria.

La empresa lanzó oficialmente esta tecnología de clasificación el 5 de noviembre con ocasión de Ecomondo (Rímini, Italia), el evento más importante de Europa para todos los sectores de la economía circular.

La nueva tecnología de clasificación busca lograr una economía realmente circular que busca la correcta eliminación de residuos y la máxima reutilización de los limitados recursos naturales, resulta fundamental la incorporación de tecnologías como las soluciones de clasificación de la compañía.

En palabras de Alessandro Granziera, Director de Ventas de Tomra Sorting Recycling en Italia: "Al aprovechar el deep learning en las tecnologías de clasificación, sofisticamos y hacemos aún más eficaces sus máquinas de clasificación.

La tecnología también ayudará a que las máquinas de clasificación se adapten a nuevos flujos de residuos, cuya importancia será cada vez mayor conforme avancemos hacia la economía circular".

 

Ventajas de la maquinaria de clasificación

 

El deep learning, como método de inteligencia artificial (IA), permite que las computadoras imiten el aprendizaje humano. Los seres humanos identificamos distintos objetos y materiales realizando asociaciones entre lo que vemos y lo que ya hemos visto. Las máquinas aprenden a realizar esas mismas asociaciones, pero las realizan con mucha mayor rapidez. 

Hay que resaltar que las máquinas de la empresa llevan empleando inteligencia artificial desde que la clasificación daba sus primeros pasos, pero esta tecnología está en constante evolución y su tecnología va ahora un paso más allá y emplea algoritmos que se obtienen del deep learning. 

El aprendizaje automático “clásico” de las máquinas requiere que un experto diseñe sus características, mientras que el deep learning, que es tipo de aprendizaje automático, no lo necesita. Simplemente, y a partir de miles de imágenes, aprende a identificar los distintos tipos de productos que debe clasificar.

La maquinaria de clasificación deep learning imita la actividad de una gran cantidad de capas neuronales del cerebro humano para aprender tareas complejas y durante el aprendizaje, Gain aprende a conectar las neuronas artificiales para clasificar objetos.

 

Eliminación de cartuchos de silicona

 

La primera aplicación  de la tecnología de Tomra está diseñada específicamente para el flujo de polietileno (PE), logrando separar del mismo los problemáticos cartuchos de PE de silicona.

Debido a los restos de silicona que quedan siempre en los cartuchos, resulta necesario separarlos del resto de material de polietileno para poder así incrementar la pureza del producto final. Para ello se utilizan la información y datos generados por el sensor de la cámara RGB del Autosort.

Además de detectar las formas habituales de cartuchos de silicona, el sistema es capaz de identificar los cartuchos dobles más pequeños, usados principalmente para adhesivos bicomponente, los cartuchos deformados o aquéllos parcialmente rotos.

Gracias a sus eyectores de aire, las máquinas eliminan incluso cartuchos pegados, tarea que resulta muy complicada incluso para los brazos robotizados más rápidos del mercado.

Esta nueva tecnología ha sido entrenada para realizar esta tarea a partir de miles de imágenes, y logra expulsar el 99 % de los cartuchos mediante el uso de dos sistemas colocados en línea.

 
 

Carlos Juárez

Licenciado en periodismo y reportero de THE FOOD TECH® y THE LOGISTICS WORLD® con más de 15 años de experiencia. También cubre fuentes mundiales, de economía y negocios, y colabora para UnoTV.

Relacionadas

Maquinaria para envasado y procesamiento

6 tendencias en la automatización de productos para 2024

La inteligencia artificial y las tecnologías sobresalen en las tendencias de la automatización

Maquinaria para envasado y procesamiento

Extender la vida útil y reducir el uso de materiales, el desafío del envasado

Para la industria del envasado hay oportunidades para evitar el desperdicio de alimentos frescos

Las más leídas

Ingredientes y aditivos alimentarios

Immunocal, el aislado proteico del suero de leche que revoluciona la industria alimentaria

El poder del suero de leche concentrado en un aislado proteico único

Tendencias de consumo

Innova Market Insights revela las tendencias para 2024 en alimentos y bebidas

Las tendencias 2024 de Innova Market Insights se trazan gracias a la demanda de los consumidores

cannabinoide

Ingredientes y aditivos alimentarios

5 datos sobre las gomitas de CBD que debes conocer

El  CBD ha aumentado su popularidad, pero no se debe consumir como golosina y estar informado

Tendencias de consumo

7 tendencias de alimentos que se verán en 2024

Alimentación consciente con alternativas o análogos es una constante de las tendencias del 2024

Lo último

Industria alimentaria hoy

El IICA destaca las oportunidades del sector lácteo centroamericano para incrementar el comercio

El sector lácteo centroamericano está en buen momento para incrementar la producción

Industria alimentaria hoy

De 151 platos del mundo, el lechazo y el vacuno dejan la mayor huella en la biodiversidad

Recetas como el lechazo o varias que contienen ternera tienen mayor impacto en la biodiversidad

Industria alimentaria hoy

La OMC da la razón a la UE y concluye que EEUU no redujo aranceles a la aceituna española

EUA. no aplicó correctamente la decisión de reducir los aranceles a las aceitunas negras españolas