Smart City. Smart Waste | Smart City. Smart Waste FuturEnviro | Octubre October 2019 www.futurenviro.es 28 tador (de laUniversitat Autònoma de Barcelona),que ha colaborado en la estrategia de datos y en la creación de Bases de Datos. Proyecto HR-Recycler Sadako participa también en otro proyecto europeo, el HR-Recycler, en el que se desarrolla tecnología para el reciclaje colaborativo (personas y robots) de residuos eléctricos y electrónicos, y en el que la compañía aporta la tecnología de visión que los robots necesitan para ver y manipular objetos. Es un proyecto en consorcio, formado por 12 socios y coordinado por el Centro Griego de Investigación y Tecnología-Hellas (CERTH). Con HR-RECYCLER, Sadako extiende el impacto de su tecnología de visión al campo del “E-Waste”, uno de los flujos de residuos más crecientes y con mayor valor potencial del mundo. El reto de los residuos Los flujos de residuos son extremadamente complejos tanto en términos de detección como de manipulación. Hay virtualmente infinitos objetos posibles, con multitud de tamaños, formas, colores, brillos, etc. Además, estos objetos vienen sucios, rotos, aplastados, superpuestos ... Con algoritmos de Inteligencia Artificial basados en técnicas de Deep Learning de última generación (redes neuronales convolucionales multicapa) y una base de datos propia de millones de imágenes de residuos, la tecnología de Sadako replica las habilidades de reconocimiento visual y el proceso cerebral de una persona, haciendo posible que una simple cámara y un ordenador puedan“ver” los residuos y los reciclables tal y como lo hacen las personas. El equipo de Sadako está formado por 25 entusiastas de la “tecnología para un mundo mejor”, la mayoría de ellos ingenieros informáticos e industriales. Los algoritmos generados por la compañía están expandiendo los límites de lo que es posible reciclar de manera coste-eficiente, contribuyendo así a una economía más circular y a la preservación de la naturaleza. contribution and feedback has been highly valuable and most appreciated, the Technological Center Ateknea Solutions, that has developed the Remote Monitoring Platform for data aggregation and management, and the Research center CVC (Centre de Visió per Computador) of the Universitat Autònoma de Barcelona, which collaborated in the whole AI Data strategy and supported the Data Base creation. HR-Recycler Project Sadako is also participating in another European Project, the HRRecycler, in which the company is developing the vision capabilities needed by the robots to see and manipulateWEEE objects in the human-robot collaborative recycling process targeted. The project consortium is formed by 12 partners and coordinated by the Greek Centre for Research and Technology-Hellas (CERTH). With HR-RECYCLER, Sadako is excited to extend the impact of its vision technology to the E-Waste field, one of the most growing and potentially valuable waste streams of the world. The waste challenge Waste streams are extremely complex both in terms of detection and manipulation. There are virtually infinite possible objects, sizes, shapes, colors, bright, etc. Things come dirty, broken, crushed, overlapped ... With AI algorithms based on last generation Deep Learning techniques (multi-layer convolutional neural networks) and a proprietary database of millions of labeled waste images, Sadako’ technology replicates the visual recognition skills and brain process of a person, making possible that a simple camera plus a computer are able to “see” waste and recyclables as humans do. The team of Sadako is formed by 25 “technologyfor-a-better-world” enthusiastic people, most of them computer science and mechanical engineers. The algorithms generated by the company are expanding the boundaries of what can be recycled cost-efficiently, thus contributing to circular economy and nature preservation. “RUBSEE is a project funded by the European Commission. This project has received funding from the European Union’s Horizon 2020 Research and Innovation programunder Grant Agreement n° 756841”. “HR-Recycler is a project funded by the European Commission. This project has received funding from the European Union’s Horizon 2020 Research and Innovation programunder Grant Agreement n° 820742”.
RkJQdWJsaXNoZXIy Njg1MjYx