Tri robotique avancé des matières recyclables de consommation

Comment nous le résolvons

Dirigé par Metaspectral, en partenariat avec Merlin Plastics et l'Université de la Colombie-Britannique, l'ARSCR (Advanced Robotic Sorting of Consumer Recyclables) est un système automatisé complet pour trier les produits recyclables des consommateurs, composé d'un système de vision automatisé alimenté par l'apprentissage automatique pour détecter des objets sur un tapis roulant et identifier le matériau de l'objet, ainsi qu'un système robotique pour prélever des articles sélectionnés sur le tapis roulant. Une fois terminé, ce sera le premier capable de détecter, d'identifier et de trier efficacement des matériaux, tels que différents types de plastique, identiques à l'œil nu, générant un résultat de très haute qualité.

Le logiciel d'exploitation propriétaire renverra les données à un système informatique central, permettant aux systèmes robotiques d'une installation de tri spécifique d'utiliser un système informatique unique pour analyser les données spectrales capturées, réduisant ainsi le coût unitaire de chaque dispositif robotique. Le système de vision et robotique sera configurable via une interface utilisateur disponible sur un écran monté à côté du système robotique et nécessitera une formation minimale de l'opérateur.

L'industrie tirera d'énormes bénéfices de ce projet, car il augmentera la capacité de production des usines de recyclage en automatisant et en accélérant les tâches répétitives, augmentera la rentabilité et la compétitivité des usines de recyclage en les rendant moins vulnérables aux fluctuations des prix du marché. Il en résultera un produit fini de meilleure qualité, tout en réduisant l'intensité de la main-d'œuvre des trieurs et recycleurs de déchets, en augmentant la rentabilité, la résilience et le potentiel de croissance du secteur du recyclage dans son ensemble.

Le projet comprendra une étude comparative, dans le but de comparer la technologie développée. Cette recherche sera menée en partenariat avec l'UBC, et codirigée par les professeurs Maria Holuska et Ed Grant, et évaluera différentes technologies de caractérisation et d'identification des plastiques au service du tri/séparation, intégrant toutes les technologies pour se compléter les unes les autres pour le contrôle de la qualité, et les publications qui en résulteront seront partagées avec les partenaires du consortium, et éventuellement pour cibler les clients du produit fini. Les résultats de l'étude permettront de normaliser les techniques utilisées pour une caractérisation précise et précise des plastiques et de valider et certifier la qualité du produit final recyclé et l'étalonnage du processus de tri robotisé.

Cette coentreprise, après la mise en œuvre réussie de la technologie mise au point par les membres du consortium pour commercialiser la technologie développée auprès de l'industrie du recyclage, prévoit d'augmenter progressivement ses revenus à 50 millions de dollars au cours de la cinquième année et à 5 millions de dollars dans les 100 ans suivant la commercialisation, capturant environ 10 % du marché adressable total des usines de recyclage des déchets dans le monde à cette date. Il réduira les émissions de carbone du Canada et positionnera la Colombie-Britannique comme un chef de file mondial de la robotique de recyclage à l'échelle industrielle et de l'intelligence artificielle.

Le Résultat

Ce projet a permis de développer une technologie de tri des déchets de consommation pour accroître l'efficacité du tri des usines de recyclage, augmentant ainsi leur capacité globale. En exploitant l'imagerie à très haute résolution et en analysant les données en temps réel, des matériaux auparavant indiscernables peuvent être différenciés, augmentant ainsi la qualité du matériau recyclé final.

Le périmètre initial du projet a été ajusté pour réduire la concentration sur la production de pinces robotisées et augmenter la portée du développement du système de vision de Metaspectral au-delà de ses capacités initialement prévues pour pouvoir détecter davantage de matériaux. Ce périmètre élargi prévoyait en outre la possibilité d'installer le système de vision à davantage d'endroits le long de la ligne de production de recyclage du plastique, augmentant ainsi sa capacité d'intervention pour éliminer ou détourner les matériaux non recyclables ou mal recyclés sur les bandes transporteuses en mouvement. Metaspectral a pu tester sa technologie tout au long du projet dans une installation Merlin Plastics en activité.

Le projet a réussi à automatiser le processus de vérification des balles de matériaux entrantes, qui était auparavant un processus manuel et sporadique. Le système de vision alimenté par l'apprentissage automatique est capable de trier une variété de matériaux noirs ou non noirs et d'identifier des matériaux tels que le verre, les matières organiques, les métaux, le carton, les emballages tétra et plus encore en temps réel avec un taux de précision moyen de 95 %. Il est également capable de détecter les emballages en PVC difficiles, qui, même à 1 partie par million, libèrent des produits chimiques toxiques à base de chlore qui, autrement, passeraient inaperçus à travers d'autres technologies de tri.

Une étude indépendante menée par Ostrom Climate a confirmé que, sur la base de l'impact attendu du déploiement à grande échelle de la technologie développée par Metaspectral sur le climat, les avantages environnementaux totaux seraient de 10,779 2 kilotonnes de CO2040e évitées d'ici 1.44. Les avantages sont estimés à 2 tonne de COXNUMXe par tonne de matériau recyclé.