Cách dùng AI để phân loại rác tái chế, nhận diện và đo lường rác thải thực phẩm, theo dõi tình trạng sử dụng nước và phát hiện rò rỉ

1. Công ty giải pháp quản lý rác thải của Mỹ tại Louisville, 'AMP Robotics'

• Công ty này giới thiệu công nghệ tự động nhận diện và phân loại vật liệu tái chế trong rác bằng công nghệ robot, thị giác máy tính và deep learning, đồng thời cung cấp công nghệ này cho các cơ sở phân loại rác tái chế
• 'AMP Cortex High-Speed Robotics System' và 'AMP Neuron AI Platform' là hai thành phần cốt lõi
• AMP Cortex High-Speed Robotics System tự động hóa công việc xác định và phân loại vật liệu tái chế trong rác bằng robot; đây là hệ thống trong đó robot phát hiện vật liệu tái chế trong rác và nhặt chúng ra
• AMP Neuron AI Platform liên tục tự học bằng cách nhận diện màu sắc, kết cấu, hình dạng, kích thước, hoa văn và nhãn thương hiệu của rác để xác định rác và khả năng tái chế, từ đó hướng dẫn robot gắp vật liệu tái chế và đặt sang nơi khác
• Quy trình phân loại vật liệu tái chế:
  → Khi rác đi qua trên băng chuyền tại cơ sở phân loại tái chế, camera sẽ ghi hình
  → AMP Neuron AI Platform dùng công nghệ thị giác máy tính để nhận diện các đặc điểm của vật liệu tái chế cụ thể trong số đó
  → Hệ thống nhận ra polymer nhựa, dạng giấy, vật chứa bằng kim loại, hộp bao bì nhiều lớp...
  → Đặc trưng hóa vật liệu tái chế và rác cần được phân loại theo quy trình khác
  → AMP Neuron AI Platform hướng dẫn robot phân loại vật liệu tái chế
  → Robot gắp vật liệu tái chế ra khỏi đống rác và đặt sang nơi khác
• Hệ thống có thể gắp tối đa 80 món rác mỗi phút, nhanh gần gấp đôi con người
• Độ chính xác phân loại: tối đa 99%

2. Công ty giải pháp quản lý rác thải của Mỹ tại Longmont, 'CleanRobotics'

• Công ty này phát triển 'TrashBot', một thùng rác thông minh tự động nhận diện và phân loại rác chôn lấp và vật liệu tái chế bằng công nghệ robot, thị giác máy tính và machine learning
• TrashBot được lắp đặt tại các cơ sở có nhiều người lui tới như sân bay, bệnh viện, sân vận động
• Quy trình phân loại vật liệu tái chế:
  → Khi mọi người bỏ rác vào TrashBot, camera sẽ ghi hình
  → Công nghệ thị giác máy tính và machine learning xác định 'đây là rác chôn lấp hay vật liệu tái chế'
  → Công nghệ tự động hóa bằng robot sẽ phân loại vật liệu tái chế vào thùng tái chế, còn rác bị nhiễm bẩn vào thùng rác chôn lấp
• Độ chính xác phân loại: 95%, tức phân loại rác chính xác hơn con người 300%
• Nhưng khi bỏ rác vào TrashBot, phải bỏ từng món một

3. Công ty giải pháp quản lý rác thải thực phẩm của Anh tại London, 'Winnow'

• Công ty này giới thiệu công nghệ tự động nhận diện và đo lường rác thải thực phẩm bằng công nghệ thị giác máy tính, machine learning và cân điện tử, đồng thời cung cấp công nghệ này cho bếp của khách sạn, nhà hàng, casino, tàu du lịch...
• Giải pháp có tên 'Winnow Vision System' là trung tâm để nhận diện và đo lường rác thải thực phẩm bằng AI
• Hệ thống cần camera cảm biến chuyển động, máy tính bảng và cân điện tử; Winnow cung cấp các thiết bị này cho nhà bếp
• Cân điện tử được đặt dưới sàn, máy tính bảng đặt trên tường phía trên, còn camera cảm biến chuyển động được gắn bên dưới máy tính bảng
• Cách nhận diện và đo lường rác thải thực phẩm:
  → Khi đổ rác thải thực phẩm vào thùng đặt trên cân điện tử, camera sẽ ghi hình
  → Lúc này, công nghệ thị giác máy tính nhận diện hình ảnh rác thải thực phẩm
  → Cân cũng đo trọng lượng
  → Dữ liệu đó được gửi tới máy tính bảng
  → Trên máy tính bảng có thể xem thông tin như loại thực phẩm bị thải bỏ, trọng lượng...
• Trước khi nhận diện rác thải thực phẩm bằng Winnow Vision System, cần huấn luyện trước
• Dữ liệu rác thải thực phẩm do Winnow Vision System cung cấp: hình ảnh rác thải thực phẩm, trọng lượng, chi phí trong 1 tuần, chi phí trong 1 năm và chi phí môi trường trong 1 năm (lượng phát thải CO2) nếu loại rác đó bị thải ra mỗi ngày
• Độ chính xác nhận diện thực phẩm: 80%

4. Công ty giải pháp quản lý nước của Israel tại Tel Aviv, 'WINT'

• Công ty này phát triển công nghệ theo dõi tình trạng sử dụng nước trong tòa nhà và phát hiện rò rỉ bằng machine learning và IoT, đồng thời cung cấp công nghệ này cho cơ sở thương mại, công trường xây dựng, nhà sản xuất...
• WINT cung cấp đồng hồ đo nước thông minh và thiết bị ngắt nước
• Hai thiết bị này phải được kết nối với hệ thống ống nước của tòa nhà thì mới có thể nắm được tình trạng sử dụng nước và phát hiện rò rỉ
• Ngoài ra, có thể ngắt nguồn cấp nước trước khi thiệt hại lớn xảy ra
• Đồng hồ đo học và phân tích mẫu lưu lượng nước bình thường của tòa nhà bằng machine learning, việc này mất 3~4 tuần
• Sau khi nắm được mẫu lưu lượng nước bình thường như vậy, về sau cũng có thể phát hiện các mẫu bất thường như rò rỉ
• Đồng hồ đo giao tiếp với cloud qua mạng truyền thông không dây
• Khi phát hiện sự cố, hệ thống gửi cảnh báo thời gian thực cho người phụ trách qua ứng dụng, đồng thời chỉ ra chính xác vị trí rò rỉ
• Các mẫu lưu lượng nước bình thường mà đồng hồ đo phân tích: 'lượng nước thường dùng để làm đầy hồ bơi', 'lượng nước thường dùng trong bếp và nhà vệ sinh', 'thời điểm sử dụng nước'
• Các mẫu lưu lượng nước bất thường được đồng hồ đo phân tích theo thời gian thực: áp dụng AI và deep learning để xác định những điều như 'hồ bơi có đang không được bơm đầy đúng cách hay không', 'lượng nước sử dụng có tăng đột ngột từ nguồn cấp ngoài dự kiến hay không'
• Khi phát hiện tình huống khẩn cấp, thiết bị WINT có thể được lập trình để tự động ngắt nguồn cấp nước; các tình huống khẩn cấp bao gồm rò rỉ nghiêm trọng hoặc vỡ ống nước