Como a IA Ajuda Recicladores a Transformar Resíduos Mistos em Material Reutilizável

IA de visão e robótica identificam o que vale recuperar em esteiras de roupas usadas, garrafas e recicláveis mistos, desviando milhares de toneladas de materiais dos aterros.
por

À medida que líderes mundiais se reúnem para a COP31 na Turquia, com ênfase em resíduo zero, um desafio prático ganha destaque: manter produtos e materiais em uso por mais tempo. Globalmente, menos de 7% dos materiais que entram na economia vêm de fontes recicladas ou reutilizadas. A geração de resíduos sólidos urbanos representa mais de 2 bilhões de toneladas de lixo por ano, número que pode quase dobrar até 2050.

A IA e a robótica estão ajudando a mudar essa trajetória, à medida que inovadores ao redor do mundo melhoram a triagem para recuperar recursos que de outra forma acabariam em aterros.

“Uma economia mais circular depende de fazer melhor uso do que já temos”, disse Josh Parker, chefe de sustentabilidade da NVIDIA. “A IA pode nos ajudar a entender o que há em um fluxo de resíduos, identificar o que pode ser recuperado e automatizar o trabalho de triagem. Estamos dando aos inovadores as ferramentas computacionais para tornar esses processos mais eficazes e levá-los a mais lugares.”

Veja como quatro membros do programa NVIDIA Inception para startups estão aplicando IA para manter materiais valiosos em circulação.

AIRECO Dá Nova Vida ao Plástico

Sistema de visão AI da AIRECO para triagem de plásticos

O plástico reciclado só é usado se seu custo e qualidade podem competir com o material novo. Com muita frequência, não consegue: os resíduos de entrada têm qualidade inconsistente, a triagem depende de mão de obra difícil de encontrar e o sucata misto acaba sendo rebaixado para produtos de baixo nível.

Os fundadores da AIRECO, uma startup taiwanesa, acreditam que a triagem por IA pode reduzir o custo e melhorar a qualidade da reciclagem para tornar esses materiais mais comercialmente úteis. A empresa usa IA de visão para triar plásticos com mais precisão, permitindo que materiais sejam extraídos de pilhas de sucata misto para reciclagem em loop fechado, onde itens usados são reprocessados em novas versões do mesmo produto.

“Quanto mais fino você tria, mais você pode reciclar”, disse Chun-Feng Liu, fundador e CEO da AIRECO. “Com material finamente triado, é mais provável que um item permaneça no loop: uma garrafa plástica reciclada de volta em uma garrafa, repetidamente, em vez de acabar em outros produtos que são difíceis de reciclar.”

A empresa usa módulos NVIDIA Jetson Orin NX para rodar inferência em sua linha piloto em uma planta de reciclagem em Tainan, incluindo para acionar braços robóticos que selecionam alvos de uma esteira. A precisão de reconhecimento na linha de teste supera 95%. Em uma linha de produção completa planejada para o próximo ano, a equipe visa quase triplicar a capacidade anual de processamento de resíduos de 18.000 para 48.000 toneladas, reduzindo os custos operacionais em 85%.

EverestLabs AI Coloca a Robótica na Linha de Reciclagem

Robô da EverestLabs AI em linha de reciclagem

Em instalações de recuperação de materiais, as plantas que separam recicláveis domésticos, a triagem deve ser feita em tempo real em esteiras de alta velocidade, exigindo análise rápida para identificar e separar itens.

A EverestLabs AI, uma startup americana, implanta robôs guiados por visão computacional nessas linhas de triagem. Cerca de 150 robôs estão atualmente implantados em instalações na América do Norte e Austrália.

“Outros robôs têm tempo infinito para terminar suas tarefas”, disse R. Paul Singh, CEO da EverestLabs AI. “Nós não temos esse luxo porque nossas esteiras vêm em certa velocidade e precisamos agir rapidamente antes que o material se mova. É um jogo em tempo real.”

A EverestLabs roda inferência de IA em GPUs NVIDIA RTX na borda e treina seus modelos em GPUs NVIDIA para data center, otimizados com NVIDIA CUDA. A empresa estima que seus sistemas implantados identificaram até agora cerca de 40 bilhões de objetos, reciclaram aproximadamente 25.000 toneladas de material e evitaram cerca de 30.000 toneladas métricas de emissões de dióxido de carbono.

A equipe trabalha continuamente para melhorar seus modelos, classificando e selecionando corretamente cada tipo de objeto e capturando metadados sobre o tipo de material, marca e embalagem de cada um. Eles também estão lançando ferramentas de IA agêntica para fornecer dados acionáveis à equipe das instalações de reciclagem, de gerentes de piso a executivos responsáveis por múltiplas instalações, e buscam estender essa capacidade para setores adjacentes.

Greyparrot Dá aos Recicladores uma Visão Clara do Fluxo de Resíduos

Unidade Greyparrot Analyzer montada sobre esteira de reciclagem

Plantas de reciclagem podem processar dezenas de milhares de toneladas de resíduos por dia, mas os operadores avaliavam o que estava na esteira amostrando manualmente menos de 1% dela.

A startup britânica Greyparrot construiu sua plataforma Analyzer para mudar isso. Montada sobre as esteiras, ela usa visão computacional para identificar cada objeto que passa por material e marca, mesmo em ambientes empoeirados ou com má iluminação em esteiras se movendo a até 4 metros por segundo.

“Os resíduos mudam o tempo todo. Mudam por hora, por estação, por fornecedor”, disse Ambarish Mitra, cofundador da Greyparrot. “Antes, os operadores adivinhavam com base em uma pequena amostra. Agora eles podem ver exatamente o que está na esteira.”

A Greyparrot usa GPUs NVIDIA para treinar modelos de IA em bilhões de objetos, enquanto módulos NVIDIA Jetson executam detecção rápida na borda. Mais de 300 sistemas Analyzer, operando em mais de 20 países, fizeram mais de um trilhão de detecções de bounding box até hoje, reduzindo o tempo necessário para verificar 15 toneladas de resíduos de 375 horas para apenas seis.

Instalações que usam os dados em tempo real do Analyzer relatam ganhos de eficiência de 10% a 30%. Na empresa global de embalagens Amcor, a solução ajudou a aumentar o rendimento de plásticos de grau alimentício em 12%. Marcas como Coca-Cola, Colgate-Palmolive e Kenvue também usam a tecnologia da Greyparrot para medir como suas embalagens são recicladas em plantas de triagem reais.

reverse.fashion Dá uma Segunda Chance às Roupas Descartadas

Linha de triagem da reverse.fashion com visão computacional

A Europa gera quase 7 milhões de toneladas de têxteis usados por ano. Cerca de um quarto é coletado separadamente e triado manualmente em centenas de categorias, destinadas a usos que vão de revenda vintage ao rebaixamento como enchimento de móveis ou panos de limpeza. O trabalho é lento, caro e difícil de contratar, mantendo o valor das roupas reutilizáveis enterrado.

A reverse.fashion, uma startup de Berlim, está ajudando a automatizar o trabalho com visão computacional de alta resolução. Seu sistema identifica tipo de produto, defeitos, cor, tamanho, marca, construção do tecido, temporada e estilo, e atribui cada peça à sua categoria de maior valor.

“Comparado à triagem clássica de resíduos, nossos modelos de IA precisam rodar em alta resolução porque os humanos são exigentes com têxteis”, disse Karsten Pufahl, cofundador e CTO da reverse.fashion. “O pipeline de visão computacional precisa detectar pequenos defeitos para determinar a qualidade e o valor potencial de cada peça.”

Enquanto passa por uma esteira a 3 metros por segundo, cada têxtil analisado pela reverse.fashion passa por mais de uma dúzia de modelos de IA otimizados com o software NVIDIA TensorRT e rodando em módulos NVIDIA Jetson na borda. Os modelos são treinados em GPUs NVIDIA em workstations e na nuvem. O sistema tria em uma hora o que antes levaria uma semana, estima Pufahl, e está sendo implementado em instalações na Europa.

Explore mais aplicações de sustentabilidade impulsionadas pela NVIDIA.