Tomra unterstützt die Kreislaufwirtschaft mit fortschrittlichen sensorgestützten Sammel- und Sortiersystemen, welche die Wertstoffrückgewinnung optimieren und Abfall minimieren. Dazu gehören sensorgestützte Sortierlösunge, wie der Autosort, der Autosort Flake und der Innosort Flake.
Der Innosort Flake, der auf der K zu sehen sein soll, sei ein gutes Beispiel dafür, dass Mittels vielfältiger Technologien positiv auf den Recyclingprozess eingewirkt und ein reineres Endergebnis erzielt werden könne. Die Anlage ermögliche es, Kunststofffraktionen von 2 bis 12 mm gleichzeitig nach Farbe und nach Polymertypen zu sortieren. Damit könnten erhebliche Anteile an Verunreinigungen entfernt und der potenzielle Verlust von PET-Flakes signifikant reduziert werden.
Neben der Herstellung moderner Sortiertechnologien entwickelt Tomra zukunftsweisende Innovationen, die den Sortierprozess weiter vorantreiben und optimieren sollen.
Mit den Möglichkeiten, große Datenmengen zu sammeln und zu managen, sowie den Fortschritten im Bereich der Künstlicher Intelligenz, sei auch Tomra einen bedeutenden Schritt weitergegangen und habe eine Deep Learning Software für sonsorgestützte Sortierung entwickelt.
Deep Learning ist ein Teilbereich der Künstlichen Intelligenz, welcher aus einer großen Menge an gesammelten Daten lernt Entscheidungen zu treffen. Dabei erziele die Software Sortierergebnisse, die gleichwertig oder sogar besser als die vom Menschen und modernsten Maschinen sind. Mit Deep-Learning-Modellen, die in den Sortierlösungen von Tomra verwendet werden, könnten Objekte, die bisher nicht separiert werden konnten, nun mit hohem Reinheitsgrad sortiert werden. Basierend auf diesem Fortschritt werde Deep Learning als vielversprechender Ansatz gesehen, um auch die zunehmenden Herausforderungen bei der Abfallsortierung, wie zum Beispiel neue Abfallströme oder das Detektieren und Sortieren teilverdeckter Objekte, zu bewältigen.
