Recupel test het inzetten van AI voor het herkennen van elektronisch afval

Vanuit het besef dat de e-waste stroom steeds groter en diverser wordt, startte Recupel een drietal jaar geleden -in samenwerking met imec/IDLab en Innoviris- met een AI onderzoeks- en ontwikkelingsproject. Dit was er vooral op gericht om te onderzoeken in welke mate Artificiële Intelligentie (AI) kan ingezet worden bij het herkennen van het soort elektronische toestellen dat Recupel te verwerken krijgt. In april werd het project afgerond. Project manager Brecht De Volder en CEO Eric Dewaet vertelden ons meer.

Recupel staat al sinds 2001 in voor de inzameling en verwerking van elektrische en elektronische apparaten. Eén van de vele taken daarbij is het monitoren van het soort toestellen dat ingezameld wordt, om daaraan dan de correcte vergoeding te kunnen koppelen. De leden van Recupel (fabrikanten en invoerders) betalen immers een Recupel-bijdrage per toestel dat ze op de Belgische markt brengen en die moet zoveel mogelijk in verhouding zijn tot de werkelijke kost voor het inzamelen en recycleren van dat toestel. Al jarenlang wordt daarvoor een manuele sampling gedaan bij twee maatwerkbedrijven, maar Recupel ging op zoek naar een snellere, diepgaander manier om inzicht te verwerven in de ingezamelde toestellen.

Sneller en fijner

Het testproject was er dus op gericht om het sampling proces te automatiseren en te testen of toestellen via artificiële intelligentie herkend konden worden. Daarnaast werd ook onderzocht of een verfijnde herkenning mogelijk is. Op die manier zou men niet alleen weten hoeveel toestellen uit de domeinen koeling, keuken, ICT, audiovisueel… bij Recupel binnenkomen, maar zou men ook veel specifieker kunnen detecteren hoeveel blenders, koffiezetters, radio’s, computers, wasmachines en vele andere er ingezameld worden. En misschien is een volgende stap zelfs mogelijk? Merkherkenning bijvoorbeeld. Of nog verder: “Eigenlijk zou het heel interessant zijn om te weten waar vervuilende stoffen in steken èn waar er waardevolle en herbruikbare grondstoffen in verwerkt zitten,” vertelt Eric Dewaet. “Cruciale informatie om van recyclage een opportuniteit in de circulaire economie te maken.”

Optimaliseren via meer data

Het project zelf bestond uit twee verschillende opstellingen in 2 maatwerkbedrijven. De ene semi-automatisch, de andere volledig automatisch. Via het wegen van de toestellen en het nemen van foto’s werden er in de loop van 2019 en 2020 duizenden toestellen gecatalogeerd en aan het algoritme gevoed. “Hoe meer data het algoritme gevoed krijgt, hoe optimaler het zal werken,” vertelt Brecht De Volder. “Met dit proefproject zijn we bezig sinds 2019 en wordt elke sample ook nog door een persoon gecontroleerd. Op termijn zou het de bedoeling zijn dat het algoritme helemaal onafhankelijk herkent welk toestel er op de band of op het platform geplaatst wordt. Bij toestellen die vaak voorkomen, lukt dat momenteel al zeer goed. Bij minder frequente toestellen zal het wat langer duren vooraleer het algoritme met een lagere foutmarge kan gaan werken.” Momenteel worden reeds 116 toestellen ondersteund door het algoritme. Dat is 85% van de gesamplede data. De overige 15% betreffen minder frequent voorkomende producten.

Wordt vervolgd

Recupel heeft nu de experimentele fase afgerond van dit AI-project. “We hebben hier veel uit geleerd,” vertelt Eric Dewaet. “Maar uiteraard moet de accuraatheid verder omhoog. Daarnaast werken we uit hoe we AI kunnen implementeren in de flow van onze afvalverwerking.” En ondertussen blijven de twee maatwerkbedrijven verder samplen, ondersteunt door de Artificiële Intelligentie van de bestaande opstellingen.

 Linda Claeys