NVIDIA TAO 工具套件致力于将计算机视觉应用于废物流

数十年来，尽管人们努力减少最终进入垃圾填埋场的垃圾数量，但在每年产生的 83 亿吨原生塑料垃圾中，只有约 9% 得到回收利用。

总部位于伦敦的计算机视觉初创公司 Recycleye 希望通过其人工智能驱动的废物识别系统来大幅提升这些垃圾的回收数量。

Recycleye 表示，通过自动化和加快材料在分拣系统中的移动，并更精确地识别它们，它可以显著提高回收公司的产能，同时提高整体回收率。

这是一家成立仅两年的公司做出的崇高承诺，而这家公司的起步方式却极其平凡。

“我们出去从垃圾箱中收集垃圾，将其带回我的车库，并开始构建我们的第一个产品概念验证。”Recycleye 的首席技术官 Peter Hedley 说。Recycleye 是NVIDIA 初创加速计划的成员。

一个人的垃圾是另一个人的宝藏

Hedley 和公司联合创始人兼首席执行官 Victor Dewulf 在伦敦帝国理工学院攻读硕士学位期间，就开始讨论技术的可能性，在那里他们致力于将计算机视觉应用于废物流。

Dewulf 最终写了一篇关于这个主题的论文，引起了学术界和工业界的兴趣，然后他辞去了高盛分析师的工作，开始攻读博士学位。这样他就可以完善他的想法。

受到微软 AI 加速器计划的认可，他们发现自己收到了 80 万英镑的种子投资，随后在 2020 年又获得了 40 万英镑的赠款。

到 2020 年底，这家初创公司已经在英国顶级废物管理公司证明了自己的实力。去年 4 月，他们与能源领导者 TotalEnergies 和回收先驱 Valorplast 合作开展了 OMNI 项目，该项目是法国非营利组织可持续发展评选的七个获奖项目之一公司 Citeo。

关闭回收循环的人工智能

Recycleye 与 Valorplast 和 TotalEnergies 的合作重点是应用人工智能来识别食品级和非食品级塑料包装，目标是增加这些产品的循环回收。它甚至可以帮助开发新应用，例如改进食品包装。

Recycleye 还与大学合作创建了 WasteNet，这是一个开源数据库，目前是世界上最大的废物数据集，拥有超过 250 万张训练图像。

Recycleye 是 NVIDIA Metropolis 合作伙伴，提供集成完整 Metropolis 堆栈以进行视频分析推理的产品。Recycleye 团队使用 NVIDIA Jetson 平台并挖掘加速深度学习工具，例如预训练模型、NVIDIA TAO 工具套件和NVIDIA DeepStream SDK。

借助 NVIDIA 工具和庞大的训练数据集，Recycleye 已将部署其模型所需的时间从两个月缩短到仅两个小时，同时在识别物品方面实现了超过人类视觉的准确度。

该公司的设备在网络边缘运行，在现场进行所有计算，前提是有足够的互联网连接。模型在云中支持 GPU 的 Microsoft Azure 实例上进行训练，然后部署到客户站点的 Recycleye 设备上。

软件更新期间，客户端设备上的算法会自动更新。云系统还处理数据日志并向客户提供该数据的仪表板摘要。

即将到来：全球扩张和更多机器人

Recycleye 还与世界上最大的机器人制造商之一 FANUC 共同开发了由 Recycleye Vision 提供动力的机器人。今年早些时候，已经在英国和法国安装了 Recycleye Vision 和 Recycleye Robotics 的 Hedley 预计，更多的废物回收公司将效仿，使用机器人技术实现手动分类的自动化。

Recycleye 现在有了一个可以在全球部署的可扩展系统，有了更大的抱负，而且 Hedley 表示，该公司进行的部署越多，其技术就会发挥的越好。

“当我们在生产线的末端和前端都有一个设备时，我们可以看到如果材料数量增加但质量下降会发生什么，”Hedley 说。“我们可以开始优化机器和配置，并开始让机器做出决策。”

原文标题：这家初创公司的人工智能检测系统已做好准备，从全球垃圾回收市场中分一杯羹

文章出处：【微信公众号：NVIDIA英伟达企业解决方案】欢迎添加关注！文章转载请注明出处。

审核编辑：彭菁