هوش مصنوعی چگونه بازیافت زباله‌ها را متحول می‌کند؟ راهکار انویدیا برای کاهش پسماند

منبع: NVIDIA Blog روش تهیه خبر
هوش مصنوعی چگونه بازیافت زباله‌ها را متحول می‌کند؟ راهکار انویدیا برای کاهش پسماند

استارتاپ‌های حوزه بازیافت با بهره‌گیری از هوش مصنوعی بینایی و رباتیک انویدیا، زباله‌ها را با دقت بالا دسته‌بندی می‌کنند تا از ورود هزاران تن پسماند به محل‌های دفن زباله جلوگیری شود. این فناوری نه‌تنها هزینه‌ها را کاهش می‌دهد، بلکه کیفیت بازیافت را برای استفاده دوباره به شدت بالا می‌برد.

با توجه به تولید سالانه بیش از ۲ میلیارد تن زباله در سراسر جهان، مدیریت پسماند به یکی از چالش‌های اصلی زیست‌محیطی تبدیل شده است. اکنون شرکت‌های تکنولوژی با استفاده از ابزارهای هوش مصنوعی و رباتیک، در حال تغییر نحوه تفکیک و بازیافت زباله‌ها هستند تا مواد ارزشمند بیشتری را به چرخه اقتصاد بازگردانند.

شرکت‌های نوپا مانند AIRECO در تایوان از ماژول‌های NVIDIA Jetson Orin NX برای هدایت بازوهای رباتیک استفاده می‌کنند که قادرند با دقت ۹۵ درصد، پلاستیک‌ها را از میان زباله‌های مخلوط تفکیک کنند. این دقت بالا باعث می‌شود مواد بازیافتی از کیفیت کافی برای تولید مجدد همان محصول برخوردار باشند و از تبدیل شدن آن‌ها به زباله‌های بی‌ارزش جلوگیری شود.

در همین حال، شرکت آمریکایی EverestLabs AI از ربات‌های مجهز به بینایی کامپیوتری استفاده می‌کند که روی تسمه‌نقاله مراکز بازیافت نصب شده‌اند. این سیستم‌ها با استفاده از کارت‌های گرافیک NVIDIA RTX در لبه (Edge) و آموزش مدل‌ها با استفاده از پلتفرم NVIDIA CUDA، تاکنون توانسته‌اند ۴۰ میلیارد شیء را شناسایی و هزاران تن پسماند را بازیافت کنند.

پلتفرم Greyparrot نیز با استفاده از هوش مصنوعی بینایی در بریتانیا، تغییر بزرگی در نظارت بر زباله‌ها ایجاد کرده است. این سیستم با شناسایی هر شیء در حال عبور، حتی در شرایط نوری ضعیف، به اپراتورها اجازه می‌دهد در لحظه بدانند چه چیزی روی تسمه قرار دارد. این فناوری سرعت بازرسی را به شدت افزایش داده و کارایی مراکز بازیافت را بین ۱۰ تا ۳۰ درصد بهبود بخشیده است.

در نهایت، استارتاپ reverse.fashion در آلمان بر بخش پیچیده بازیافت منسوجات تمرکز کرده است. با استفاده از هوش مصنوعی با رزولوشن بالا و ماژول‌های Jetson، این سیستم قادر است نوع پارچه، کیفیت و برند لباس‌ها را شناسایی کرده و آن‌ها را دسته‌بندی کند. این خودکارسازی، فرآیندی که قبلاً هفته‌ها طول می‌کشید را به تنها یک ساعت کاهش داده است.

گزارش اصلی و جزئیات بیشتر در NVIDIA Blog. مشاهده خبر در منبع اصلی

گزارش فارسی این خبر با کمک هوش مصنوعی و فقط بر اساس اطلاعات منتشرشده در منبع تهیه شده است.

دیدگاه‌ها

دیدگاه شما پس از تأیید مدیر منتشر می‌شود. گفت‌وگوی فارسی و انگلیسی این خبر جداست.

نام و متن دیدگاه پس از تأیید عمومی می‌شوند؛ اطلاعات شخصی یا حساس ننویسید.