ProRusLom | ПроРусЛом | Общество ломовиков РФ | Металлолом
Бизнес · 24 августа 2026 г.
Как искусственный интеллект снижает стоимость сложной сортировки металлов
Как искусственный интеллект снижает стоимость сложной сортировки металлов (Перевод статьи издания Recycling Product News о технологиях компании Binder+Co) Вторичная переработка лома цветных металлов традиционно сталкивается с серьезным барьером: разделение сложных металлических фракций (тяжелых металлов, таких как медь, латунь, бронза, цинк, а также различных сплавов алюминия) требует либо дорогостоящего специализированного оборудования, либо значительных объемов ручного труда. Австрийская машиностроительная компания Binder+Co разработала решение, призванное сделать высокоточную сортировку металлов более доступной за счет интеграции алгоритмов искусственного интеллекта и машинного зрения в стандартные оптические сортировочные комплексы (серия CLARITY). В чем проблема классической оптической сортировки? Традиционные оптические сенсоры и RGB-камеры сортируют металлический лом преимущественно по цвету поверхности: * Желтый/красный спектр относят к меди и латуни. * Серый/серебристый спектр относят к алюминию, цинку или нержавеющей стали. Главное ограничение: на реальных ломоперерабатывающих площадках металл редко поступает в чистом виде. Окисление, коррозия, грязь, машинные масла и механические деформации меняют цвет поверхности: * Окисленная медь может выглядеть темно-коричневой или зеленой. * Латунь под слоем патины теряет характерный желтый оттенок. * Цинк и алюминий визуально практически неотличимы для стандартной камеры. Раньше для решения этой задачи переработчикам приходилось покупать дорогостоящие рентгеновские трансмиссионные установки (XRT), рентгенофлуоресцентные сканеры (XRF) или системы лазерно-искровой эмиссионной спектрометрии (LIBS). Это резко увеличивало капитальные затраты (CAPEX) и делало автоматизацию нерентабельной для средних и мелких шредерных площадок. Как работает решение на базе ИИ Binder+Co внедрила сверточные нейронные сети (CNN) непосредственно в блок обработки оптического сигнала: * Обучение на реальном ломе: Модели глубокого обучения обучались на сотнях тысяч изображений реальных металлических фрагментов разной степени загрязнения, окисления и формы. * Анализ геометрии и текстуры вместо простого цвета: Нейросеть оценивает объект комплексно: не только оттенок пикселей, но и характер излома, текстуру поверхности, геометрию краев, следы резки и распределение теней. * Сверхбыстрый инференс на потоке: Система анализирует видеопоток конвейера на скоростях до 3–4 м/с. После идентификации типа сплава подается мгновенный импульс на блок пневматических клапанов высокой точности, который отстреливает нужную фракцию в соответствующий бункер. Ключевые экономические и производственные преимущества * Снижение капитальных затрат: Внедрение программно-аппаратного модуля ИИ в оптический сепаратор стоит значительно дешевле установки рентгеновских (XRT/XRF) или лазерных (LIBS) комплексов. * Высокая чистота конечного продукта: Качество разделения тяжелых цветных металлов (медь/латунь/цинк) достигает показателей выше 95–98%, что позволяет отгружать сырье напрямую металлургическим заводам по максимальной закупочной цене без штрафов за засор. * Гибкая перенастройка под задачи: Оператор может перенастроить критерии сортировки за несколько кликов: например, настроить линию на извлечение исключительно медной фракции из потока дробленых двигателей или очистку алюминиевого лома от цинковых включений. * Снижение зависимости от ручной переборки: Автоматизация участка шихтовки исключает человеческий фактор и риски производственного травматизма при работе с острыми фракциями шредерного лома. Разработка демонстрирует тренд вторичной металлургии: алгоритмы компьютерного зрения и обученные нейросети постепенно замещают дорогие физико-химические датчики, делая глубокую сортировку цветного лома экономически выгодной для широкого круга рециклеров. @proruslom