IA para separar recicláveis, reconhecer e medir resíduos alimentares, observar o uso de água e detectar vazamentos

1. Empresa americana de soluções de gestão de resíduos de Louisville, 'AMP Robotics'

• A empresa apresentou uma tecnologia que reconhece e separa automaticamente recicláveis no meio do lixo usando robótica, visão computacional e deep learning, e fornece essa tecnologia para instalações de triagem de recicláveis
• 'AMP Cortex High-Speed Robotics System' e 'AMP Neuron AI Platform' são os principais elementos
• O AMP Cortex High-Speed Robotics System automatiza o trabalho de identificar e separar recicláveis no meio do lixo com robôs; é um sistema em que o robô encontra recicláveis no lixo e os retira
• A AMP Neuron AI Platform continua aprendendo por conta própria ao reconhecer cor, textura, formato, tamanho, padrão e rótulos de marca dos resíduos para verificar o lixo e sua reciclabilidade; isso orienta o robô a pegar os recicláveis e colocá-los em outro local
• Processo de separação de recicláveis:
  → quando o lixo passa sobre a esteira em uma instalação de triagem de recicláveis, a câmera o registra
  → a AMP Neuron AI Platform reconhece, por meio de visão computacional, características específicas de recicláveis entre esses itens
  → ela identifica polímeros plásticos, formatos de papel, recipientes metálicos e caixas de embalagem multicamadas
  → caracteriza os recicláveis e os resíduos que devem ser separados em outros processos
  → a AMP Neuron AI Platform orienta o robô a separar os recicláveis
  → o robô retira os recicláveis do lixo e os coloca em outro lugar
• O sistema pode pegar até 80 itens de lixo por minuto e é cerca de duas vezes mais rápido que pessoas
• Precisão de separação: até 99%

2. Empresa americana de soluções de gestão de resíduos de Longmont, 'Clean Robotics'

• A empresa desenvolveu a lixeira inteligente 'TrashBot', que reconhece e separa automaticamente lixo destinado a aterro e recicláveis usando robótica, visão computacional e machine learning
• O TrashBot é instalado em locais com grande circulação de pessoas, como aeroportos, hospitais e estádios
• Processo de separação de recicláveis:
  → quando as pessoas descartam lixo no TrashBot, a câmera registra o item
  → com visão computacional e machine learning, o sistema verifica se “esse resíduo é lixo de aterro ou reciclável”
  → com tecnologia de automação robótica, os recicláveis são enviados para a lixeira de recicláveis, e os resíduos contaminados para a lixeira de aterro
• Precisão de separação: 95%; isso classifica o lixo com 300% mais precisão do que pessoas
• Mas, ao descartar lixo no TrashBot, é preciso jogar um item por vez

3. Empresa britânica de soluções de gestão de resíduos alimentares de Londres, 'Winnow'

• A empresa apresentou uma tecnologia que reconhece e mede automaticamente resíduos alimentares com visão computacional, machine learning e balança digital, fornecendo essa tecnologia para cozinhas de hotéis, restaurantes, cassinos e cruzeiros
• A solução chamada 'Winnow Vision System' é o elemento central para reconhecer e medir resíduos alimentares com IA
• Para isso, são necessários uma câmera com detecção de movimento, um tablet e uma balança digital; a Winnow fornece esses equipamentos para a cozinha
• A balança digital fica no chão, o tablet é colocado na parede acima dela, e a câmera com detecção de movimento é instalada abaixo do tablet
• Forma de reconhecimento e medição de resíduos alimentares:
  → quando os resíduos alimentares são descartados em um recipiente colocado sobre a balança digital, a câmera registra a imagem
  → nesse momento, a imagem dos resíduos alimentares é reconhecida por visão computacional
  → o peso também é medido pela balança
  → esses dados são enviados ao tablet
  → no tablet, é possível ver informações como o tipo de alimento descartado como resíduo e o peso
• Antes de reconhecer resíduos alimentares com o Winnow Vision System, é necessário treinamento prévio
• Dados de resíduos alimentares fornecidos pelo Winnow Vision System: imagens dos resíduos alimentares, peso, custo de uma semana, custo de um ano e custo ambiental de um ano (emissões de dióxido de carbono) caso esse resíduo seja descartado diariamente
• Precisão de reconhecimento de alimentos: 80%

4. Empresa israelense de soluções de gestão de água de Tel Aviv, 'WINT'

• A empresa desenvolveu uma tecnologia que observa o uso de água dentro de edifícios e detecta vazamentos com machine learning e IoT, fornecendo essa tecnologia para instalações comerciais, canteiros de obras e fabricantes
• A WINT fornece medidor inteligente de água e dispositivo de corte do fornecimento de água
• É preciso integrar os dois dispositivos ao sistema de tubulação do edifício para entender o uso de água e detectar vazamentos
• Além disso, é possível interromper o fornecimento de água antes que ocorram grandes danos
• O medidor aprende e analisa, com machine learning, os padrões normais de fluxo de água do edifício; isso leva de 3 a 4 semanas
• Depois de entender esses padrões normais de fluxo de água, também é possível detectar mais tarde padrões anormais, como vazamentos
• O medidor se comunica com a nuvem por meio de rede sem fio
• Ao detectar um problema, envia alertas em tempo real ao responsável por aplicativo, indicando com precisão o local do vazamento
• Padrões normais de fluxo de água analisados pelo medidor: “quantidade de água normalmente usada para encher a piscina”, “quantidade de água normalmente usada na cozinha e no banheiro”, “horários em que a água é usada”
• Padrões anormais de fluxo de água analisados em tempo real pelo medidor: com aplicação de IA e deep learning, ele identifica se “a piscina não está sendo enchida corretamente” e se “o consumo de água aumentou drasticamente em uma fonte inesperada”, entre outros
• Quando detecta uma situação de emergência, o dispositivo da WINT pode ser programado para cortar automaticamente o fornecimento de água; situações como vazamento grave ou rompimento de tubulação são consideradas emergências