UTULaser-hankkeen tutkimus päättyi joulukuussa 2023 ja sen tulokset ovat lupaavia. Hankkeen tutkimuksen päätavoitteena oli selvittää, voisiko konenäkömenetelmien käyttö helpottaa paristojen lajittelua kierrätyskeskuksissa. Tällä hetkellä paristojen lajittelu on työlästä käsityötä, mikä hidastaa prosessia ja saattaa johtaa virheisiin lajittelussa. Automatisoinnin avulla nopeutetaan lajitteluprosessia ja vapautetaan työntekijöitä muihin tehtäviin, vähennetään paristojen joutumista vääriin jakeisiin.
Tutkimus keskittyi pääosin konenäön mahdollisuuksiin paristojen lajittelussa ja esitti ratkaisuehdotuksia jatkokäsittelylle. Tutkimus suoritettiin kahdella eri kuvausjärjestelmällä Satakunnan ammattikorkeakoulun RoboAI-laboratoriossa. Järjestelmillä otettuja kuvia tunnistettiin sekä MVTecin Halcon -ohjelmiston neuroverkkoihin perustuvaa Deep Learning -ominaisuutta käyttämällä, että hankkeessa kehitetyllä Python-ohjelmalla, joka käytti YOLO (You Only Look Once) -esineentunnistusalgoritmia.
Testauksessa käytetyt paristot valittiin Recser Oy:n toimittamista käytettyjen paristojen keräyslaatikoista. Tutkimus toteutettiin Ulla Tuomisen Säätiön myöntämällä apurahalla.
Vaikka UTULaser -hankkeen otanta ja testausmäärät olivat rajallisia, tutkimustulokset ovat lupaavia. Puhtaista paristoista tunnistettiin luotettavasti noin 85 %, kun taas teipatuista paristoista tunnistusprosentit vaihtelivat 50–70 %:n välillä riippuen teipin määrästä.
On kuitenkin tärkeää huomioida, että konenäköjärjestelmät kehittyvät niitä käytettäessä Paristojen väärät tunnistukset tai tunnistamatta jäämiset ovat aina mahdollisia, erityisesti jos paristot ovat hyvin saman näköisiä tai niissä on teippauksia.
Tunnistamisen avuksi tarvitaan kattavaa koulutusmateriaalia eli todella isoa määrää erilaisia kuvia erilaisista paristoista, jota voidaan täydentää tunnistamatta jääneiden paristojen perusteella. Tunnistamattomat paristot suositellaan siirrettäväksi manuaaliseen jatkokäsittelyyn. Lisäksi valaistuksen ja kuvausjärjestelyn rooli on merkittävä, jotta paristot voidaan tunnistaa luotettavasti.
Kun pariston kohdalla on kaksi positiivista tunnistusta, toimintatapana voi olla joko pariston tunnistaminen sen korkeimman tunnistusprosentin mukaan tai pariston ohjaaminen jatkokäsittelyyn. Hankkeessa toteutetussa tutkimuksessa valinta tehtiin ensimmäisen vaihtoehdon mukaisesti.
Vaikka tarkkoja arvioita järjestelmien tehokkuudesta on vaikea tehdä ilman kattavia kenttätestejä, teoreettisia laskelmia voidaan tehdä. Esimerkiksi Recser Oy:n tilastojen perusteella suomalaiset palauttavat noin 89 miljoonaa paristoa vuosittain. Näiden paristojen tunnistamiseen ja tarvittaisiin 5–10 rinnakkaista järjestelmää, joissa kuitenkin voitaisiin käyttää samaa tunnistusohjelmistoa eli järjestelmän monistamisen kustannukset koostuisivat vain laitteista ja järjestelmän rakentamisesta.