添加深度学习分类机器

Tomra分拣回收公司推出了Gain，这是一种基于深度学习的分拣技术，提高了其基于传感器的分拣机器的性能。

而不是增加一个新的机器或生产线在工厂，新的增益技术是一个附加的选择，该公司的自动分拣机器，降低投资，以提高分拣精度，而不牺牲吞吐量速度。

通过基于传感器数据对对象进行分类，Gain可以在不影响Autosort吞吐量速度的情况下，对以前无法以高纯度分离的材料进行分类。

Tomra分拣回收美洲区域主管Carlos Manchado Atienza表示:“深度学习提高了我们市场领先的自动分拣机器的分类复杂性、有效性和灵活性。”

“增益技术将使我们的分拣机适应新的废物流，使我们的客户更灵活地适应不断变化的市场条件。”

深度学习作为人工智能(AI)的一种方法，可以让计算机模仿人类的学习。人类通过与他们以前看到的和他们现在看到的联系来识别各种材料。机器也被教会做同样的事情，但要快得多。

Tomra机器从早期的分类开始就部署了人工智能，该公司不断创新和发展这项技术。新的Tomra增益技术通过基于深度学习的算法将人工智能排序提升到了一个新的水平。

传统的机器学习需要由领域专家设计的特征，而作为机器学习子集的深度学习则不需要欧宝体育首页。它从数千张捕捉到的特定材料类型的图像中学习，这些图像在分类任务中应该被分开。

深度学习模仿人类大脑中大量神经元层的活动来学习复杂的任务。通过这种方式，在机器训练过程中，Gain学会了如何连接人工神经元来对物体进行分类。

发布的第一个版本的增益技术是专门为使用摄像机信息从聚乙烯(PE)流中喷射PE-硅套管而开发的。硅残留在墨盒中意味着必须将这些墨盒从需要的PE材料中分离出来，以增加分选材料的纯度。

除了检测常见形式的硅墨盒，Gain还可以检测更小的双墨盒，主要用于双组分胶粘剂，以及变形或部分损坏的墨盒。由于Tomra机器使用空气喷射来分离材料，即使是集束的墨盒也可以进行分类，这是一项即使是当今最快的挑选机器人手臂也难以完成的任务。

这项新技术使用数千张图像进行了训练，使用两个系统在一个序列中实现了99%的弹射率。