Проект направлен на разработку системы распознавания классов отходов из видеопотока на базе сверточных нейросетей (EfficientNet) для мусоросортировочных конвейеров. Ключевую роль играет программное обеспечение на базе компьютерного зрения для автоматического распознавания типа материала (ПЭТ, алюминий, картон) и степени его загрязнения (чистый, пищевой, технический). Цель проекта – разработать и подготовить к промышленной эксплуатации систему технического зрения для сортировки ТКО с точностью классификации не менее 92%. В рамках проекта планируется создание и обучение нейросетевой модели, адаптированной к российским условиям (загрязнения, деформация объектов, снег), а также интеграция системы в реальную линию сортировки со скоростью обработки от 25 кадров/сек. Минимальный допустимый порог классификации для внедрения – не менее 85%. Ожидаемый эффект – повышение эффективности извлечения ценных фракций из твердых коммунальных отходов (ТКО) и снижение доли ручного труда на 15-25% и снижение объемов захоронения до 10%. Целевые клиенты – собственники и управляющие компании мусоросортировочных комплексов, а также интеграторы и производители сортировочного оборудования (ОЕМ) Продукт ориентирован на применение на крупных мусоросортировочных комплексах (от 100 тыс. тонн/год), заводах переработки и предприятиях ТКО (B2B). Модель коммерциализации – продажа лицензий на ПО с роялти за каждую тонну переработанного материала.

На страницу проекта