From Classification to Collection: A Multi-Task Deep Learning System for Automated Waste Sorting with Real-World Prototype Evaluation

ゴミの分別は、完璧にやろうとすると単純ではないと感じられる作業です。エジプトの一部を含む多くの場所では、その作業は、プラスチックと紙、金属とガラス、そして有機物とそれ以外のものを分けるために何時間も費やす人間の家族の手に委ねられています。それは遅く、困難であり、しばしば価値のある材料が一般的な廃棄物の流れの中に失われることにつながります。これを解決するために、科学者たちは、自動的にゴミを「見る」ことができるコンピュータに目を向けました。これらのシステムは、ディープラーニングと呼ばれる一種の人工知能に依存しており、これは、多くの例を見ることで猫や車を識別することを人間が学ぶのと同様に、画像のパターンを認識するためにデジタル処理の層を使用します。これらのシステムが物理的な機械と組み合わされると、リサイクルの退屈な作業をスピードと精度をもって処理することを約束し、資源を節約し環境を保護する可能性があります。

カイロのアメリカン大学の研究チームは、この概念を一歩進め、単に物体が何かを識別するだけでなく、それ以上のことを行うスマートゴミ箱の動作するプロトタイプを構築しました。彼らは、アイテムがどこに属するかを決定する前に、特定の不備がないかを確認する、注意深い門番のようなシステムを作り上げました。研究者たちは、分別作業を、液体の有無の確認、複数の部品で構成されているかの確認、リサイクル可能かどうかの決定、そして最後に素材の特定という、4つの明確なステップに分解することで、高い精度でゴミを分別する機械を構築できることを見出しました。食品会社であるネスレと廃棄物管理組織であるダワールとの提携により開発された彼らの成果は、現実世界のゴミを92.4パーセントの精度で正常に分別する物理的なゴミ箱となりました。

彼らの革新の核心は、操作の順序にあります。以前の自動分別の試みの多くは、プラスチックや紙といった素材の識別だけに焦点を当てていました。しかし、研究者たちは、現実世界のゴミには単純なシステムを混乱させる問題が伴うことが多いことに気づきました。例えば、飲み残しのソーダが入ったプラスチックボトルは、リサイクルのバッチ全体を台無しにする可能性があり、コーヒーカップとプラスチックの蓋は、実際には結合した2つの異なる素材です。これに対処するため、チームは逐次的なパイプラインを設計しました。最初のステップは、アイテムに液体が含まれているかを確認することです。カメラが液体の兆候を捉えた場合、機械は停止してアイテムをユーザーに返却し、汚染を防ぎます。第2のステップは、アイテムが単一の物体か、あるいは複数の部品の混合物かを確認することです。ユーザーが複数の構成要素を持つ複雑なアイテムを捨てようとした場合、機械は再びそれを手作業による分離のためにフラグ立てします。これら2つの安全チェックを通過したアイテムのみが次の段階に進み、そこでコンピュータがそのアイテムがリサイクル可能かどうか、そしてもしそうであれば、それが具体的にどのような素材でできているかを判断します。

コンピュータにこれらのスキルを教えるために、研究者たちは、それぞれが特定のタスクに特化した4つの独立した人工知能モデルを訓練しました。彼らは、コンピュータがすでに持っている一般的な画像に関する知識を利用し、その知識をゴミを見るという特定の仕事のために微調整することを可能にする「転移学習」という手法を用いました。液体の検出と多成分アイテムの識別というタスクのために、チームは現実の廃棄物の何千枚もの写真撮影を通じて、独自のカスタムデータセットを作成しました。彼らは、結果が一致していることを確認するためにこれらのモデルを何度もテストし、システムが液体の検出において平均約91パーセントの精度を持ち、単一成分と複数成分の識別において約96パーセントの精度を持つことを見出しました。リサイクル可能かどうか、および素材が何であるかを決定する責任を持つモデルは、さらに優れた性能を発揮し、それぞれ96.8パーセントと94.3パーセントの精度に達しました。

ソフトウェアの準備が整うと、チームは現実的な環境でシステムをテストするために物理的なプロトタイプを構築しました。このゴミ箱は、5つの内部コンパートメント（有機リサイクル品、紙、プラスチック、その他のリサイクル品、および非リサイクル品）を備えた木製の囲いです。内部では、回転トレイを備えた機械的なアームが分別を行います。ユーザーがゴミ箱にアイテムを入れると、カメラが画像をキャプチャし、4段階のソフトウェアパイプラインがそれを分析します。アイテムがすべてのチェックを通過した場合、ソフトウェアは機械的なアームにコマンドを送り、アームは正しいコンパートメントの上にトレイが来るように回転して、アイテムを投入します。このプロセス全体は、人間がゴミを検査して分別する方法を模倣するように設計された、連続的な流れの中で行われますが、機械のスピードと一貫性を備えています。

研究者たちは、パートナーであるダワールから提供された、エジプトのコミュニティから収集された大量の廃棄物画像を使用してシステムをテストしました。これは極めて重要なステップでした。なぜなら、これにより、トレーニングに使用される清潔で完璧な写真ではなく、人々が実際に捨てているものと同じ見た目のゴミに対して、システムがどのように機能するかを確認できたからです。統合されたシステムは、これらの現実世界のアイテムを5つの指定されたビンに92.4パーセントの割合で正しく分別しました。この結果は、最終決定を下す前に複数の専門的なチェックを行うというアプローチが効果的であることを示唆しています。しかし、研究者たちは制限事項についても指摘しています。システムは完全に視覚に依存しているため、密閉された不透明な容器の中の液体を見ることはできず、また、機械部品については、忙しい公共の場における長期的な耐久性についてのテストがまだ行われていません。

これらの課題はあるものの、このプロジェクトは自動リサイクルの明確な進むべき道を示しています。特化した人工知能と物理的な分別メカニズムを組み合わせることで、チームは、単に形や色に基づいて推測するのではなく、汚染や混合素材といった廃棄物のニュアンスを理解する機械を構築することが可能であることを示しました。大学、主要企業、そして地元の廃棄物管理グループとの協力は、コンピュータ・シミュレーションから動作するデバイスへと移行するために必要なリソースを提供しました。このシステムはまだ完璧ではなく、現実世界で見られるあらゆる種類のゴミを扱うためにはさらなるテストが必要ですが、私たちの廃棄物を分別するという困難な作業が機械によって処理され、人間が他のタスクに集中できる未来への有望な展望を提供しています。