TOMRA Recycling, proveedor líder mundial de soluciones de clasificación, ha anunciado el lanzamiento de tres aplicaciones revolucionarias para separar plásticos de calidad alimentaria de los no alimentarios para PET, PP y HDPE. El avance fue posible gracias a la intensa investigación y desarrollo de la compañía en aprendizaje profundo, un tipo de IA.

GAIN es el complemento de clasificación basado en aprendizaje profundo de la compañía para sus mundialmente reconocidas unidades AUTOSORT®. Gracias a una importante inversión, TOMRA ha alcanzado un hito histórico. Por primera vez se puede separar a gran escala plásticos PET, PP y PEAD entre plásticos de uso alimentario y no alimentario.

Hasta ahora, la clasificación de calidad alimentaria ha demostrado ser un verdadero desafío para la industria, ya que los envases alimentarios y no alimentarios a menudo están compuestos por el mismo material y son visualmente muy similares. Esto dificultaba que los sistemas de clasificación existentes en el mercado pudiesen diferenciarlos y separarlos. Los requerimientos cada vez más exigentes a nivel de higiene y normativos suponen una complejidad adicional al tratamiento de los residuos alimentarios.

Gracias a GAINnext™, la renovada tecnología GAIN de TOMRA, hoy se resuelven todos estos desafíos mejorando aún más el rendimiento de clasificación de AUTOSORT®. Se identifican así hasta los productos más complejos, hasta ahora imposibles de clasificar empleando sensores ópticos tradicionales.

Niveles de pureza superiores al 95%

Al combinar su tradicional espectrometría en el rango del infrarrojo cercano (NIR), en el rango del espectro visible junto con otros sensores con la tecnología de Deep Learning, TOMRA ha logrado lanzar al mercado la solución más precisa del sector. Con GAINnext^TM se abren nuevas oportunidades de ingresos para los clientes de TOMRA ya que el grado de pureza que se puede lograr supera 95 % para las aplicaciones de envases en las plantas de clientes en el Reino Unido y Europa.

Además de este excelente avance, TOMRA lanza otras dos aplicaciones no alimentarias que complementan el ecosistema GAINnext^TM: una aplicación para destintar papel y generar flujos de papel más limpios y una aplicación de limpieza de PET para optimizar los flujos de botellas de PET e incrementar el índice de pureza aún más.

Calidad botella a botella

El Dr. Volker Rehrmann, vicepresidente ejecutivo y director de TOMRA Recycling, afirma: “En TOMRA hemos utilizado la IA durante décadas para mejorar el rendimiento de clasificación. No obstante, esta última innovación supone un hito para nosotros y otra primicia para la industria. La IA tiene el poder de transformar la recuperación de los recursos tal como la conocemos, y nuestras últimas y sofisticadas aplicaciones basadas en Deep Learning e IA refuerzan nuestra posición como pioneros en este campo. Con un uso sofisticado del aprendizaje profundo, GAINnext^TM permite hacer un proceso de clasificación para alcanzar la calidad alimentaria y la calidad botella a botella. Ambas tareas han supuesto un importante desafío para nuestra industria durante muchos años. El uso de la IA está impulsando la circularidad de los materiales en un momento en el que más se necesita dada la exigente regulación y creciente demanda de soluciones tecnológicamente avanzadas por parte de nuestros clientes. En TOMRA, estamos orgullosos de impulsar el cambio en el proceso de clasificación”.

Resolviendo las tareas de clasificación más complejas.

Indrajeed Prasad, director de producto de Deep Learning de TOMRA Recycling, añade: “El uso de la tecnología de aprendizaje profundo no solo automatiza la clasificación manual, sino que también permite a la industria lograr reciclados de alta calidad mediante una clasificación más granular. Gracias a su capacidad para identificar miles de objetos por material y forma en milisegundos, GAINnext^TM resuelve incluso las tareas de clasificación más complejas. Además, con su software de Deep learning integrado, ofrece la oportunidad de adaptarse a las exigencias del futuro. Estamos encantados de poder lanzar estas soluciones de clasificación, innovadoras y muy necesarias, para cumplir con los estrictos requisitos de calidad. Así damos respuesta a la creciente demanda de las marcas de consumo para incorporar más contenido reciclado de alta pureza”.

Tecnología probada

La tecnología de aprendizaje profundo de GAINnext^TM ha sido testada durante muchos años. TOMRA fue el primero en la industria en introducir tecnología de Deep Learning ya en 2019. Esta aplicación permitía identificar y eliminar cartuchos de silicona del flujo de PE. En 2022, TOMRA lanzó su solución para clasificación de madera triturada. Hasta la fecha, hay más de 100 unidades AUTOSORT® con GAINnext^TM instaladas en plantas de recuperación de materiales en todo el mundo.

Entre los primeros en adoptar las nuevas aplicaciones se encuentran plantas líderes del mercado, como las instalaciones emblemáticas Berry Circular Polymers de Leamington Spa, Viridor Avonmouth en Bristol, que es hoy la instalación de plásticos mixtos más grande del Reino Unido, así como la planta francesa de Nord Pal Plast, propiedad del grupo global Dentis.

Los comentarios del mercado sobre los últimos desarrollos de GAINnext^TM han sido rotundamente positivos. El profesor Edward Kosior, fundador y director ejecutivo de Nextek Ltd y su iniciativa NEXTLOOPP, que tiene como objetivo crear polímeros reciclados de calidad alimentaria a partir de reciclaje mecánico avanzado, estuvo entre los visitantes más recientes al centro de pruebas de TOMRA. Tras su visita afirmó: “El innovador sistema de inteligencia artificial de TOMRA, GAINnext^TM, ha impulsado a la industria del reciclaje, en un momento crucial para la clasificación de envases de plástico. Crea nuevas oportunidades para cerrar el círculo de muchos plásticos en aplicaciones de calidad alimentaria. GAINnext^TM está preparado para acelerar el sistema de clasificación para convertirse en el más simplificado, rentable y altamente eficiente del mercado. Estamos inmensamente orgullosos de ver a nuestra industria avanzar en este viaje transformador”.