8 maggio 2026 11:10

Tomra Recycling ha presentato alla fiera IFAT di Monaco di Baviera e alla mostra-convegno PRSE di Amsterdam gli ultimi sviluppi nella selezione di rifiuti plastici basati sull’intelligenza artificiale.

Una prima novità riguarda la piattaforma per l’analisi dei rifiuti basata su agenti AI, proposta dalla società olandese PolyPerception, di cui Tomra detiene una partecipazione (leggi articolo).

L’analisi basata sull’intelligenza artificiale sviluppata da PolyPerception migliora le prestazioni di selezione attraverso il tracciamento end-to-end dei materiali. Una delle innovazioni introdotte è l’interfaccia in linguaggio naturale, attraverso la quale gli operatori possono interagire con il sistema ponendo domande come: “In che modo la modifica delle impostazioni sulla linea di recupero ha influenzato la purezza del flusso?”. Grazie all’AI generativa, che riconosce il linguaggio naturale, la piattaforma comprende il contesto e fornisce le risposte, accompagnate da scomposizioni dei dati, eliminando così la barriera tecnica tra complessi fogli di calcolo e decisioni operative.

Mentre gli strumenti tradizionali di AI impiegati nel settore si limitano a leggere e rendicontare i dati — sostiene Tomra —, la nuova piattaforma dispone anche di capacità di scrittura, che le consentono di agire come un agente all’interno dell’impianto. Invece di limitarsi a osservare i flussi di materiali, può creare report personalizzati e impostare in pochi secondi alert operativi, basandosi sulla conoscenza specialistica del processo. In questo modo, i riciclatori possono integrare i dati provenienti dall’impianto nei propri sistemi gestionali.

La piattaforma introduce anche due nuovi metodi di ricerca: per similarità e testuale, o per logo. Nel primo caso, gli operatori possono cliccare con il tasto destro del mouse su un oggetto problematico, come una sigaretta elettronica, per identificare istantaneamente tutti gli altri articoli simili presenti nel flusso. Una funzione fondamentale per individuare rischi di incendio, come le batterie, senza la necessità di addestrare un nuovo modello AI.
La ricerca testuale e per brand consente, invece, di individuare marchi specifici o tipologie di oggetti, come “sacchi per rifiuti pieni” o “pannolini”, per vedere in tempo reale cosa sta passando sui nastri trasportatori dell’impianto.

Tomra ha anche illustrato tre nuove applicazioni di deep learning per il suo ecosistema GAINnext, anch’esso basato sull’intelligenza artificiale. Due riguardano la selezione dei metalli, ma una risponde alla crescente domanda di selezionare in un flusso separato le vaschette in PET per contatto alimentare.
Addestrando GAINnext su migliaia di immagini, il sistema è ora in grado di distinguere tra vaschette da asporto o da supermercato e imballaggi di consumo o medicali in base alla forma e all’uso. Secondo Tomra, si possono raggiungere livelli di purezza superiori al 95%.

© Polimerica -  Riproduzione riservata