AIで資源ごみを分別し、食品廃棄物を認識・計測し、水の使用状況を監視・漏水検知する方式

1. 米国ルイビルの廃棄物管理ソリューション企業「AMP Robotics」

• 同社はロボティクス、コンピュータビジョン技術、ディープラーニング技術により、ごみの中から資源ごみを自動で認識・分類する技術を披露し、資源ごみ選別施設にこの技術を提供している
• 「AMP Cortex High-Speed Robotics System」と「AMP Neuron AI Platform」が中核
• AMP Cortex High-Speed Robotics Systemは、ロボットによってごみの中から資源ごみを確認し分類する業務を自動化する。ロボットがごみの中から資源ごみを見つけて選り分けるシステム
• AMP Neuron AI Platformは、ごみとそのリサイクル可能性を確認するため、ごみの色・質感・形状・サイズ・模様・ブランドラベルを認識して自律的に継続学習する。これによりロボットが資源ごみをつかんで別の場所に置くよう誘導する
• 資源ごみの分類プロセス:
  → 資源ごみ選別施設でコンベヤーベルトの上をごみが流れると、カメラがこれを撮影する
  → AMP Neuron AI Platformは、この中から特定の資源ごみの特徴をコンピュータビジョン技術で認識する
  → これはプラスチックポリマー、紙の形態、金属容器、多層包装箱などを見分ける
  → 資源ごみと、別工程で分類すべきごみを特徴付ける
  → AMP Neuron AI Platformはロボットに資源ごみを分類するよう案内する
  → ロボットはごみの中から資源ごみをつかみ出し、別の場所に置く
• これは1分に最大80個のごみをつかむことができ、人より約2倍速い
• 分類精度: 最大99%

2. 米国ロングモントの廃棄物管理ソリューション企業「CleanRobotics」

• 同社はロボティクス、コンピュータビジョン技術、機械学習技術により、埋立ごみと資源ごみを自動で認識・分類するスマートごみ箱「TrashBot」を開発した
• TrashBotは空港、病院、競技場のような人が多く集まる施設に設置される
• 資源ごみの分類プロセス:
  → 人がTrashBotにごみを捨てると、カメラでこれを撮影する
  → コンピュータビジョン技術と機械学習技術で「このごみが埋立ごみか、資源ごみか」を確認する
  → ロボット自動化技術により、資源ごみはリサイクルごみ箱に、汚染されたごみは埋立ごみ箱に分類する
• 分類精度: 95%。これは人より300%高い精度でごみを分類する
• ただしTrashBotにごみを捨てる際は、一度に1つずつ捨てなければならない

3. 英国ロンドンの食品廃棄物管理ソリューション企業「Winnow」

• 同社はコンピュータビジョン技術、機械学習技術、デジタルはかりにより、食品廃棄物を自動で認識・計測する技術を披露し、ホテル・レストラン・カジノ・クルーズ船などの厨房にこの技術を提供している
• 「Winnow Vision System」というソリューションが、AIで食品廃棄物を認識・計測する中核となる
• ここには動作検知カメラ、タブレット、デジタルはかりが必要で、Winnowはこれらの機器を厨房に提供する
• デジタルはかりは床に置き、タブレットはその上の壁面に設置する。動作検知カメラはタブレットの下に取り付けられる
• 食品廃棄物の認識・計測方法:
  → デジタルはかりの上に置かれた容器に食品廃棄物を捨てると、カメラがこれを撮影する
  → このときコンピュータビジョン技術で食品廃棄物の画像を認識する
  → はかりで重量も計測する
  → 該当データはタブレットに送信される
  → タブレットでは、廃棄された食品の種類、重量などの情報を見ることができる
• Winnow Vision Systemで食品廃棄物を認識する前には事前学習が必要
• Winnow Vision Systemで提供する食品廃棄物データ: 食品廃棄物の画像、重量、そのごみを毎日捨てた場合の1週間分のコスト・1年分のコスト・1年分の環境コスト（二酸化炭素排出量）
• 食品認識精度: 80%

4. イスラエル・テルアビブの水管理ソリューション企業「WINT」

• 同社は機械学習技術、IoT技術により、建物内の水使用状況を監視し、漏水を検知する技術を開発し、商業施設、建設現場、製造業者などにこの技術を提供している
• WINTはインテリジェント水道メーターと給水遮断装置を提供する
• 2つの装置を建物の水道配管システムと連動させることで、水使用状況を把握し、漏水を検知できる
• さらに大きな被害が発生する前に給水を遮断できる
• メーターは機械学習によって建物の正常な水流パターンを学習・分析する。これには3～4週間かかる
• このように正常な水流パターンを把握すると、後で漏水のような異常パターンも検知できる
• メーターは無線通信網でクラウドと通信する
• 問題を検知すると担当者にアプリでリアルタイム通知を送り、このとき漏水が発生した場所の正確な位置を示す
• メーターが分析する正常な水流パターン: 「プールを満たすのに普段使用した水の量」「厨房とトイレで普段使用した水の量」「水を使う時期」
• メーターがリアルタイムで分析する異常な水流パターン: AIとディープラーニングを適用し、「プールが正常に満たされていないか」「想定外の水源で水使用量が急激に増えていないか」などを把握する
• 緊急事態を検知すると、WINTの装置は給水を自動で遮断するようプログラムできる。深刻な漏水や水道管破裂のような状況が緊急事態の例