九爪智能面向塑料瓶高速分选问题的多模态融合分选解决之道

今天的介绍围绕下面两点展开：

2. 多模态分选在超高速分拣要求上的应用

01 塑料整瓶分拣现状与挑战

从《中国再生资源回收行业发展报告2024》看出，2023年，我国废钢铁、废有色金属、废塑料、废纸、废轮胎、废弃电器电子产品、报废机动车、废旧纺织品、废玻璃、废电池（铅酸电池除外）十个品种再生资源回收总量约为3.76亿吨。其中，废塑料1900万吨，占比5%，回收总额1030亿元。

聚焦塑料瓶回收，聚对苯二甲酸乙二醇酯（PET）是饮料瓶的主要成分，因其优质的材料性能和市场价值，PET饮料瓶回收率一直比较高。以一个瓶子从消费者手中到最后回收到瓶片厂的价格作为回收环节的经济单位来计算，PET饮料瓶回收的市场规模约有200亿元。

日常生活中消费者随手扔掉的一个饮料瓶初始价格约为0.015元/个，通过一系列的回收分拣的工作，最终回收价格可达0.15元/个，价格直接翻了10倍，而且越到后端利润越高。

基于对塑料瓶回收的基本认知，可以明确一个原则：分类必然会提升价值，且价值并不低。就广东地区PET公开价格而言，精细化分拣与统货直接压包差异在1000元/吨，达到0.3元/个的差异。所以塑料瓶的精细化分拣对打包站来说，是一个非常有价值的事情。

人工分拣：传统人工分拣效率低下、用人成本高昂，打包站难以实现规模化的发展，易遇到产能瓶颈，旺季来料多，容易爆仓。

机器分拣：智能化、自动化的智能垃圾分选设备替代传统人工进行分拣，效率直接翻倍，轻松释放人力，降低用人成本，一键切换分选模式，轻松应对淡旺季的不同分选需求，来料再多再杂也不怕。

生物分解：目前新的生物酶技术，可以对传统PET进行分解，但是还没完全商业化。

当前市场上大部分废塑料打包站还是以人工分拣为主，这也是由于先进的分选设备价格高昂，基本都在百万元级别，中小打包站老板难以负担。所以，针对塑料瓶分选现状与挑战，市场上目前急需解决的矛盾三角问题是，如何同时实现更准的分拣精度、更快的分拣效率和更低的设备价格。

02 多模态分选在超高速分拣要求上的应用

打包站的实际作业环境相较于实验室环境，来料会更脏、杂、多、乱，大型和不规则物料也会较多。同时，打包站出于产能的要求，在分拣环节更偏向于同一时段的大批量分拣，而不是单个分拣。

九爪智能针对市场中的矛盾三角难题，成功实现了以仅五分之一的成本，维持与高端设备相当分拣效率与精确度。九爪智能巧妙地将现有技术融入塑料瓶分拣领域，并通过深度学习和广泛的预训练过程，不仅降低了精准识别的成本，还极大地削减了整机的制造成本。

九爪智能所采用的多模态分选模型，在光谱选取上，特别采用了“RGB＋近红外”的组合。

其中，RGB模式主要起到两大作用：一是精准定位产品于输送带上的位置，二是为产品类别的初步判断提供辅助信息。

九爪智能的近红外光谱识别，优势体现在两个方面：首先，它能揭示出物体间独特且显著的光谱特征差异；其次，作为一种非接触式的无损检测技术，避免对制品物理损伤与外观改变，不影响塑料制品使用性能与二次加工特性，确保其完整性与功能性。

九爪智能的多模态分选模型可以随着场景的丰富，可以识别更多品类。

在面向整个市场的发展过程中，仍有需进一步解决的问题：

各地流行饮料各异：开拓新的市场领域，会遇到新的包装，这些包装在当地可能具有较高的回收价值，因此客户期望设备能够将其准确分选出来。

利乐包等特定类型包装分选：随着利乐包等特定类型包装的日益增多，对这类包装的分选需求也随之增加。

回收标准与政策不断出新：打包站、分拣中心、化纤厂等各环节，都有不同的分选标准。

因此，九爪智能面对多样化的分选需求，采取了迁移学习的策略，利用DTL-NN框架构建动态适配策略，提升扩展性，能够既高效又低成本的实现适配。

九爪超高速AI多模态光选机器人（ULTRASORT）系列，是我们将多模态识别算法产品化后的成果，具备以下的几点优势：

自主学习的高速堆叠识别技术，可在复杂环境下精准识别超过30种可回收物。

支持混合生活垃圾、塑料整瓶（PET/HDPE）、混合日杂、工业固废、建筑装修垃圾等多类场景的分选与除杂。