Nyílt forráskódú „fotókönyvtárt” hozott létre a Carton Council iparági szövetség, amely kifejezetten a hulladékválogató művekben (Material Recovery Facility – MRF) valós körülmények között megjelenő, lapított, gyűrött és szennyezett italos kartondobozok képeit gyűjti össze. A projekt célja, hogy nyers, valósághű vizuális adatokkal lássa el a hulladékkezelő operátorokat és berendezésgyártókat az MI-alapú gépi látás és válogatórobotok betanításához, megszüntetve a tiszta laboratóriumi minták és az ipari hulladékáramok közötti felismerési szakadékot, írja a Waste Dive.
A mesterséges intelligenciával vezérelt válogatórendszerek hatékonysága alapvetően a tanító adathalmaz méretétől és minőségétől függ. Margaret Link, az MI-robotikára szakosodott Glacier szóvivője rámutatott: a fényes, hibátlan kiskereskedelmi csomagolási képek helyett a hulladékválogatóknak olyan vizuális mintákra van szükségük, amelyek a valós szalagon előforduló, deformálódott, megcsavarodott, különböző márkájú és méretű csomagolásokat ábrázolják. Ha a modell nem látja a valós ipari környezet teljes spektrumát, a válogatórobotok tévesztenek, és értékes frakciók vesznek el a szalagokon. Bár a Glacier volt az első technológiai vállalat, amely beépítette az adatbázist a saját gépi tanulási modelljébe, a Carton Council hangsúlyozza: a kezdeményezés teljesen semleges és nyitott, így bármely gépgyártó vagy hulladékkezelő hozzáférhet, illetve bővítheti azt saját képeivel.
A projekt ötlete egy kaliforniai hulladékválogató modernizációja során született meg, ahol a Carton Council által részben finanszírozott új Glacier robot finomhangolásához több mint tíz különböző MRF bálavizsgálati fotóit vették alapul. Jason Holland, a Carton Council képviselője kiemelte, hogy bár minden berendezésgyártó rendelkezik saját belső adathalmazzal, a nyílt, regionális különbségeket is tükröző adatbázis rendszerszintű előrelépést jelent a teljes hulladékgazdálkodási szektor számára.
