荷兰一家回收自动化初创公司表示,其研发出一套新型AI驱动分拣系统,能够在工业规模下从城市垃圾流中分离废弃电池,从而解决困扰回收行业数十年的难题。
该公司inSystem.io称,其新款"重力分拣机"(Gravity Sorter)每秒可从混合废料流中分离多达50块电池,并在近期的设施试验中实现了96%以上的纯净率。
这一消息凸显了全球回收运营商面临的一项日益严峻的问题。尽管公众对电池回收的认知日趋普遍,仍有大量便携式电池流入生活垃圾。
据该公司提供的数据,荷兰便携式电池的回收率仅约50%,而全球回收率估计仅约15%。
该公司还表示,近期研究显示,一辆满载的城市垃圾收运车平均携带252块便携式电池。
一旦进入城市固体废物流,电池在经过破碎、筛分和磁力分选等处理后,便难以从金属组分中单独分离。这给回收设施带来了经济和运营层面的双重挑战——电池既含有可回收材料,又存在污染和起火风险。
inSystem.io表示:"在处理城市固体废物中的电池时,此前唯一可行的方案是人工挑拣,这不仅带来安全隐患、精度不足和人力成本问题,漏网的电池还会污染黑色金属废料产出,甚至在下游工序中引发火灾。"
重力分拣机专为5毫米至70毫米的难分选物料区间而设计——这一类别长期以来是传统光学分拣系统的"痛点",因为该区间内的物料体积小、密度大、形状不规则,且在空气中的运动轨迹难以预测。
与基于传送带的分拣方式不同,重力分拣机在自由落体状态下对物料进行处理。
据该公司介绍,系统搭载的AI视觉系统每秒可捕捉多达400帧画面,在物体下落过程中对每个目标进行单独追踪,实时分析其运动状态、旋转角度和运行轨迹,随后由压缩空气喷嘴在精确计算的时间节点将目标物料弹出。
inSystem B.V.首席执行官叶夫根尼·古多夫(Evgeny Gudov)表示:"我们研发重力分拣机,就是为了攻克那些历来难以大规模分拣的物料。通过开发全新方式,我们彻底摒弃了传送带和延时弹射机制。整套系统在自由落体状态下运行,AI摄像头在下落过程中单独追踪每个物体的速度、加速度和旋转状态,从而实现精准弹射,既节约能源,又提升精度。"
古多夫同时指出,与传统传送带分拣系统相比,自由落体方式可大幅降低能耗。
他解释道:"如果物体最终都要撞上一堵墙,为何还要耗费能量在传送带上将其加速至每秒3米?只需从普通椅子的高度将其自由落下,重力就能将其加速到相同速度。空气喷嘴也遵循同样的逻辑——喷嘴仅在计算出的弹射时刻开启,并根据物体形状进行精准控制。每秒最多可实现500次开关切换,物体间隙期间不浪费任何气体。仅此一项,与旧系统相比就能节省大量压缩空气。在某些情况下,节省下来的能源成本甚至足以抵消设备本身的采购费用。"
该公司表示,重力分拣机每小时可处理多达6吨物料,并可无缝集成至现有回收生产线,无需大规模改造。
除电池回收外,该技术还可应用于电子废料碎片、塑料、有色金属、建筑垃圾及垃圾焚烧底渣的回收处理。
此外,系统还可扩展接入近红外(NIR)、短波红外(SWIR)、长波红外(LWIR)及X射线成像等传感技术,以识别不同类型的塑料聚合物和材料。
据inSystem.io透露,重力分拣机在2026年慕尼黑IFAT展会上引发强烈关注,来自欧洲、加拿大、澳大利亚和拉丁美洲的回收运营商及工厂工程师纷纷提出试点评估请求。
目前,该公司已正式开放试点项目申请及早期商业订单。
Q&A
Q1:重力分拣机的分拣速度和精度表现如何?
A:根据inSystem.io公布的数据,重力分拣机每秒可从混合废料流中分离多达50块电池,在近期的设施试验中纯净率超过96%,每小时最多可处理6吨物料。
Q2:重力分拣机是如何利用AI技术实现精准分拣的?
A:系统搭载的AI视觉系统每秒可捕捉多达400帧画面,在物体自由下落过程中对每个目标进行单独追踪,实时分析其速度、加速度、旋转角度和运行轨迹,随后由压缩空气喷嘴在精确计算的时间节点将目标物料弹出,从而实现高精度分拣。
Q3:重力分拣机除了回收电池,还能处理哪些废料?
A:除废旧电池外,重力分拣机还可用于电子废料碎片、塑料、有色金属、建筑垃圾及垃圾焚烧底渣的回收处理,并可通过扩展NIR、SWIR、LWIR及X射线等传感技术,识别不同类型的塑料聚合物和材料。
好文章,需要你的鼓励
穆拉蒂时隔18个月首次接受重大媒体采访,介绍其创立的Thinking Machines Lab正在开发的"交互模型"。该模型能以200毫秒间隔处理音频、文本和视频流,捕捉人类交流中的中断、修正和停顿。她还谈及OpenAI"政变周"经历,强调行业决策权过于集中的担忧,并回应了公司近期研究人员离职问题,表示这是初创实验室的正常波动。
STATE16研究院这篇综述发现,物理AI系统存在"静默失效"风险——AI以高度自信执行基于错误世界信息的动作,却不触发任何报警,并提出在AI输出与物理执行之间建立独立授权层的框架。
本期《Quick Charge》播客涵盖多个热点话题:特斯拉疑似试图删除FSD欺诈相关证据以规避巨额赔付;卡特彼勒持续推进建筑领域电气化布局;住宅太阳能30%税收抵免即将到期。此外,嘉宾Tom Pacheco就高压系统与电池技术培训展开探讨,强调电动车技术人才培养的紧迫性。节目同时提醒有意安装太阳能的用户尽快行动,可通过EnergySage平台比较多家安装商报价。
UIUC与微软联合研发的OpenWebRL框架让4B小模型仅凭400条初始数据,通过在真实网站上边做边学的强化学习方式,在网页智能体基准上超越了用27万条数据训练的竞争对手。