SIARA：基于深度学习视觉的大件杂物智能拦截分选系统
项目源于轻包装分选厂**入料端大件杂物（木托盘、编织袋、金属桶、建筑垃圾）堵塞/损坏下游光选、风选、磁选设备**的高频痛点。ATRIA 主导开发 **SIARA (Sistema de Identificación Automática de Residuos voluminosos por Aprendizaje)** 系统，获**西班牙经济部拨款 + 欧盟 FEDER 基金联合资助**，旨在强化区域社会经济凝聚力。
SIARA 系统架构与核心创新
- 感知层：多光谱相机（材质指纹）+ 3D 相机（体积/形状/堆叠关系）+ 定制光照模组（抑制反射/阴影）
- 算法核心：**深度学习实例分割 + 多任务头**（分类/定位/体积估计/异常度评分），小样本增量学习适应新杂物类别
- 决策执行：实时输出目标 6D 姿态 + 类别 → PLC 触发气吹/机械臂/推板剔除，响应延迟 <50ms
- 数据飞轮：边缘端难例自动采集 → 云端标注增量训练 → 模型热更新，**零停机迭代**
现场部署拓扑
测试环境：**Mancomunidad de San Marcos** 包装分选厂（运营方 Trienekens），位于 Urnieta (圣塞巴斯蒂安)。入料皮带机上方部署采集门架，覆盖全宽视场，实时扫描进厂物流流。
系统在 ATRIA 实验室完成**标定、性能基准测试、边缘案例压测**后现场部署，实现**即插即用、平滑切换**。
项目价值与进展
- **大件拦截率 >98%**，下游设备停机故障降零
- 人工清理班次取消，**年节省人力成本 €120k+**
- 分选纯度提升，再生料溢价能力增强
- 项目官网：www.siaraproject.es，Instagram 同步进展
想了解深度学习视觉在环保分选的更多应用？联系我们！
工业技术