Web Analytics
R&R

Nueva solución basada en el deep learning para refinar la chatarra de aluminio perfil

Tomra amplía su porfolio de reciclaje avanzado con tecnología basada en IA
TOMRA GAINnext
Este avance representa la primera aplicación de GAINnext, la tecnología de clasificación basada en el deep learning de Tomra, en la industria metalúrgica./ Fuente: Tomra.

Tomra Recycling ha ampliado su portfolio de reciclaje avanzado de metales con una innovadora solución basada en la IA para refinar la chatarra de aluminio perfil.  Este avance representa la primera aplicación de GAINnext, la tecnología de clasificación basada en el deep learning de Tomra, en la industria metalúrgica. 

Esta innovación basada en la IA permite a los procesadores y recicladores de chatarra limpiar las fracciones de aluminio perfil eliminando el aluminio cárter ligero (bajo en cobre y zinc pero alto en silicio) que aún está presente basándose en información visual. Se alcanzan así niveles de pureza excepcionales, con un bajo contenido de silicio. El resultado es un aluminio de primera calidad listo para fundición. GAINnext complementa así la solución X-TRACT de Tomra, que realiza la separación en función de la densidad atómica. 

X-TRACT, que incorpora tecnología de transmisión de rayos X (XRT), es el estándar del sector para separar el aluminio de los metales pesados en función de la densidad atómica. Esta solución clasifica inicialmente la zorba (metales no férricos mezclados triturados) para producir chatarra de aluminio de gran pureza (twitch). A continuación, refina ese twitch eliminando el aluminio cárter de alta aleación y el aluminio perfil de alta densidad. El resultado de este proceso es una fracción de alta calidad, que contiene tanto aluminio perfil, como pequeñas cantidades de cárter ligero que otros métodos de clasificación del mercado no pueden separar por completo. 

Ahora, integrando GAINnext en el proceso de clasificación después de la Tomra X-TRACT, se puede conseguir una fracción de perfil pura. GAINnext aprovecha todo el potencial del deep learning y las redes neuronales artificiales. Por medio de cámaras RGB, procesa rápidamente entre decenas y cientos de miles de imágenes por milisegundo, percibiendo y clasificando materiales por su forma, tamaño y dimensión con una precisión excepcional. Este sistema, entrenado durante años por los expertos de Tomra, imita la visión humana pero con una velocidad superior, y facilita una clasificación de alto rendimiento de hasta 2.000 eyecciones por minuto. En su primera aplicación en la industria metalúrgica, mediante la detección y eliminación precisas de cárter ligero del aluminio perfil que produce la solución X-TRACT de Tomra, GAINnext ofrece un producto  de pureza alta que obtiene precios de mercado superiores.

Tom Jansen, responsable del Segmento de Metales del Departamento de Ventas de Tomra Recycling, comenta: "Estamos muy contentos con el lanzamiento de esta nueva aplicación basada en el deep learning para mejorar el aluminio perfil. El deep learning es una potente adición a nuestra tecnología tradicional basada en sensores, y la expansión de nuestro ecosistema GAINnext se ajusta a nuestra estrategia más amplia en el ámbito de la IA. Basándonos en nuestra experiencia y casos de éxito con GAINnext".

Relacionado Tomra Recycling y Gerhard Lang se asocian en un proyecto de clasificación de aleaciones de aluminio

Más noticias

Tj44
Actualidad
Con el objetivo de impulsar el liderazgo femenino en la prevención de riesgos
PERTE 1 768x543
Actualidad
La planta eliminará las emisiones de CO2 y de residuos a los acuíferos
Diseño sin título   2025 04 28T111646
Encuentros
La 33ª edición se celebrará del 2 al 6 de marzo en Bilbao Exhibition Centre
Diseño sin título   2025 04 28T105344
Productos
Proporciona 1.200 litros por minuto a 15 bar
Electrico
Actualidad
Los asociados de Aege reinician el funcionamiento en sus instalaciones
Unnamed   2025 04 28T094451
Productos
Con nuevos diámetros de 25 mm, 85 mm y 160 mm
Pemsa publica las DAP
Actualidad
Con unas categorías de parámetros prefijadas basadas en la serie de normas ISO 14025 y EN 15804

Revista Metales & Máquinas

NÚMERO 9 // 2024

Boletín Metales & Metalurgia

NÚMERO 2377 // 2025

Buscador

Empresas destacadas