SIARA: ИИ-система компьютерного зрения для точной идентификации и сортировки отходов

Проблема: крупногабаритный мусор на входе в сортировку

На линиях разделения лёгкой упаковки (жёлтый контейнер: пластик, металл, тетрапак) попадают крупногабаритные предметы — мешки, канистры, дерево, текстиль, строительный мусор. Они забивают сепараторы, ломают оборудование, требуют ручного удаления операторами. Нужна автоматическая детекция и раннее удаление.

Что такое SIARA

SIARA — система компьютерного зрения на базе Deep Learning (нейросети) для детекции и сепарации аномальных объектов на кормовой ленте перед основными сепараторами.

Ключевые задачи:

• Сократить время процесса (менее простоев).
• Минимизировать затраты (ремонт, ручной труд).
• Убрать людей из монотонной, грязной, травмоопасной работы.

Проект финансируется Министерством экономики и бизнеса Испании и кофинансируется ЕС (ФЕДЕР / ERDF) — цель: снижение регионального неравенства через инновации.

Как работает SIARA

1. Сенсорный модуль над лентой — камеры (видимый диапазон + исследуются мультиспектральные / 3D для глубины и материаловедения) + промышленное освещение (подавление бликов, стабилизация цвета).
2. Приборный компьютер (Edge AI) — GPU-ускоренный инференс (TensorRT/ONNX) в real-time (лента движется быстро).
3. Обучение (Data-centric AI):
   • Сбор тысяч кадров реального потока в разных условиях (сезонность, влажность, загрязнение ленты).
   • Качественная разметка: классы «нормальная упаковка» vs «крупногабаритный мусор» (подклассы).
   • Обучение детектора (YOLO-семейство / Faster R-CNN / DETR) + классификатора материала.
   • Валидация на hold-out + полевые тесты.
4. Актуация — сигнал на пневморежектер / робот-манипулятор / стоп-ленту для удаления объекта до входа в основные сепараторы.

Пилотная площадка

Завод Манкомунида де Сан Маркос (Urnieta, Сан-Себастьян), оператор — Trienekens. Система калибруется в лабораториях ATRIA, затем переносится в производство.

Подробнее на сайте проекта: www.siaraproject.es

Интересуетесь системой классификации отходов на базе Deep Learning? Свяжитесь с нами!