La inteligencia artificial es hoy clave para el mundo del reciclaje.

Durante el evento de prensa de lanzamiento en la sede de TOMRA Recycling en Alemania disfrutamos de las intervenciones del Dr. Volker Rehrmann, vicepresidente ejecutivo y director de la compañía, y de Indrajeed Prasad, director de producto de Deep Learning de TOMRA Recycling. Ambos nos explicaron su visión de cómo la inteligencia artificial es hoy clave para el mundo del reciclaje y cómo la compañía está dando pasos estratégicos para lograr la circularidad del proceso desarrollando nuevas e innovadoras aplicaciones. Estas son algunas de las preguntas que se plantearon. Te gustará saber la respuesta que los expertos dan sobre un tema tendencia > la IA:

1/ ¿Qué es el Aprendizaje Profundo?

El Aprendizaje Profundo o Deep Learning es un subconjunto de la inteligencia artificial (IA) que imita la forma en que funciona el cerebro humano para procesar la información. Es un tipo de inteligencia artificial dentro del campo más amplio del aprendizaje automático. El Deep Learning utiliza redes neuronales artificiales, que se entrenan empleando gran cantidad de datos para reconocer ciertos patrones, que luego se pueden aplicar a nuevos datos. Nuestros expertos en I+D introducen millones de imágenes como material de formación en la red, hasta que el sistema aprende a distinguir determinadas características ópticas de tipos de materiales, como por ejemplo las tapas de botellas o las distintas formas de envases. El Aprendizaje Profundo es una herramienta poderosa detrás de muchos de los avances de la IA que vemos hoy. Cuando se combina con sensores tradicionales, puede aplicar este conocimiento a nuevas imágenes de los sensores del sistema de clasificación y así resolver algunas de las tareas de clasificación más complejas.

2/ ¿Cuándo introdujo TOMRA la IA por primera vez en sus soluciones?

Nuestros equipos de I+D llevan años trabajando con clientes utilizando IA para desarrollar soluciones de clasificación inteligentes. De hecho, el principio de funcionamiento de nuestras primeras clasificadoras para reciclaje (hace 30 años) se basa en la IA. Incluso entonces, nuestros equipos eran capaces de tomar decisiones como los seres humanos y decidir qué materiales expulsar y cuáles rechazar.

En 2019, lanzamos GAIN™, que utilizó redes neuronales de Aprendizaje Profundo para eliminar cartuchos de silicona de flujos de polietileno (PE). Desde entonces, nuestros ingenieros de Deep Learning han entrenado las redes neuronales artificiales de la empresa con millones de imágenes de objetos para resolver algunas de las tareas de clasificación automatizadas más complejas del mundo, como separar plásticos de uso alimentario y no alimentario o MDF de residuos de tableros de madera.

Hoy en TOMRA lanzamos nuestra tecnología GAIN™ renombrada como GAINnext™ en homenaje a la gran evolución del producto. GAINnext™ está disponible como complemento de nuestras unidades AUTOSORT^®.

3/ ¿Cómo puede la IA mejorar la circularidad de la clasificación y cuál es el valor del Aprendizaje Profundo en la clasificación basada en sensores?

La IA tiene el poder de transformar significativamente la industria tal como la conocemos. Los sistemas de clasificación tradicionales ya han alcanzado cotas notables de sofisticación y eficacia (por ejemplo, bandeja de PET mono o multicapa, film de PE/PP frente a plásticos rígidos, PE/PP natural frente a blanco frente a gris). Sin embargo, el verdadero poder del sistema proviene de la combinación del Aprendizaje Profundo con sensores tradicionales.

El valor del de Deep Learning en la clasificación basada en sensores radica en el reconocimiento de objetos. Usando una cámara RGB, GAINnext™ puede reconocer los tipos de objetos según su forma, tamaño, dimensiones y otras características. Por ejemplo, puede detectar si una botella es tiene uso alimentario o no. AUTOSORT^®. con GAINnext™ combina la identificación de materiales basada en sensores y el reconocimiento de objetos con Aprendizaje Profundo para obtener resultados sobresalientes. Una mayor granularidad de clasificación, a su vez, nos acerca a la circularidad del material, lo que permite a nuestros clientes obtener material de calidad botella a botella.

Las nuevas tecnologías que incorporan IA, como GAINnext™, no solo aumentarán el valor de la producción de las plantas de procesamiento, sino que también ayudarán a satisfacer la creciente demanda de más contenido reciclado por parte de las grandes marcas de consumo. Y, dado que la nueva regulación actúa como un impulsor clave para lograr la economía circular, especialmente dentro de los envases aptos para uso alimentario, debemos aprovechar las últimas tecnologías de inteligencia artificial para resolver estas complejidades y satisfacer la demanda de los clientes de soluciones tecnológicamente avanzadas.

4/ ¿Cuáles son las nuevas aplicaciones que TOMRA lanza hoy?

Hoy presentamos cinco nuevas aplicaciones de nuestro GAINnext™, tres de las cuales son aplicaciones innovadoras para la separación a gran escala de plásticos PET, PP y PEAD entre plásticos de uso alimentario y no alimentario. También lanzamos dos aplicaciones no alimentarias que complementan nuestro ecosistema GAINnext™: una aplicación para destintar papel para obtener flujos de papel más limpios y una aplicación PET Cleaner para limpiar flujos de botellas de PET y lograr una pureza aún mayor.

5/ ¿Qué está impulsando el aumento de la demanda de plásticos aptos para uso alimentario?

En Europa existe un impulso regulatorio para impulsar tanto el reciclaje de plásticos como el uso de contenido reciclado. El Reglamento sobre envases y residuos de envases (PPWR) establece objetivos para el reciclaje y el contenido de producto reciclado, mientras que el Reglamento sobre reciclaje de plásticos (UE 2022/1616) dicta qué se puede incluir en los envases plásticos de uso alimentario.

Estas regulaciones de la UE son cada vez más estrictas y están impulsando una mayor circularidad. Eso sí, cumplir con estos estándares cada vez más exigentes supone un enorme desafío, ya que el 95% del contenido reciclado debe provenir de envases que previamente hayan tenido también uso alimentario.

Esta transición a una economía circular sólo puede lograrse mediante la incorporación de nuevas tecnologías. Éste es ciertamente el caso en el complejo de las aplicaciones de uso alimentario vs la de uso no alimentario.

Asimismo, podemos destacar que, a nivel mundial, estamos viendo una mayor demanda por parte de las marcas de consumo de incorporar más contenido reciclado de alta pureza en las industrias alimentaria, cosmética y farmacéutica.

6/ ¿Por qué la clasificación de plásticos para uso alimentario es especialmente complicada y por qué hasta ahora no ha sido posible separar los alimentos de los plásticos de uso no alimentario?

Hasta ahora, la clasificación de calidad alimentaria ha demostrado ser un verdadero desafío para la industria ya que los envases tanto de uso alimentario como no alimentarios a menudo están fabricados con el mismo material, o son visualmente muy similares. Esto sin duda dificulta que los sistemas de clasificación actuales pueda diferenciarlos y separarlos. Además, cuando los residuos alimentarios se mezclan con otros materiales no alimentarios pero reciclables, se pone en riesgo tanto la calidad como su comercialización. Las preocupaciones en términos de higiene y las exigentes regulaciones añaden una capa adicional de complejidad al manejo de los desechos de alimentos en el sector del reciclaje.

7/ ¿Qué es TOMRA Insight?

TOMRA Insight es una plataforma basada en la nube que convierte los sistemas de clasificación en una fuente de información potente y conectada. Supervisa el proceso de clasificación y respalda la toma de decisiones basada en datos lo que permite optimizar el proceso de clasificación. Los clientes tienen acceso a una plataforma única y segura que les permite monitorizar, casi en tiempo real, todas sus clasificadoras TOMRA. Además, los clientes pueden acceder a métricas digitales sobre el estado y el rendimiento de sus clasificadoras desde cualquier parte del mundo y en cualquier momento.

Más información sobre TOMRA Insight

8/ ¿Por qué TOMRA invirtió en PolyPerception?

En TOMRA queríamos fortalecer aún más nuestra posición en el campo de la inteligencia artificial. PolyPerception es una nueva empresa pionera que ofrece la monitorización del flujo de residuos empleando una tecnología basada en inteligencia artificial. Al adquirir una participación del 25 % en la empresa, podemos combinar nuestros sistemas avanzados de clasificación de materiales y nuestra solución de monitorización basada en la nube, TOMRA Insight, con el innovador análisis de materiales de PolyPerception. Esta sinergia nos permite optimizar aún más todo el proceso y el flujo de materiales, proporcionando una ventaja significativa a nuestros clientes. Además, ahora podremos aprovechar los datos y la experiencia en inteligencia artificial de PolyPerception para seguir mejorando nuestras soluciones.

9/ ¿Cuántos clientes ya utilizan la tecnología GAINnextTM?

Hasta la fecha, más de 100 unidades AUTOSORT^®. con GAINnextTM están instaladas en instalaciones de recuperación de materiales en todo el mundo. Entre los primeros en adoptar las aplicaciones ahora lanzadas se encuentran plantas líderes del mercado, como la planta insignia de Berry Circular Polymer en Leamington Spa, Reino Unido; Viridor Avonmouth, que es la instalación de polímeros múltiples más grande del Reino Unido; y la planta francesa Nord Pal Plast, que pertenece al grupo global Dentis.

10/ ¿Qué otras aplicaciones hay en proyecto de TOMRA para GAINnextTM?

Ya estamos trabajando en nuevas aplicaciones GAINnext™ que se lanzarán a lo largo del año y pronto pondremos esta innovadora tecnología de Deep Learning a disposición de nuestros clientes de recuperación de metales por primera vez.

For more information, please visit https://www.tomra.com/en/waste-metal-recycling/applications/waste-recycling/packaging.