Kwik scanner voor een veilig afvalscheiding proces
De opdracht
Stichting OPEN werkt samen met Nederlandse afvalverwerkers om de e-waste sector circulairder te maken. Bij het scheiden van verschillende soorten monitoren kan het incorrect scheiden van een LCD-monitor leiden tot veiligheidsrisico’s voor de medewerkers, vanwege de aanwezigheid van het gevaarlijke kwik (Hg). Bovendien is dit scheidingsproces tijdrovend en sterk afhankelijk van de kennis en ervaring van elke individuele werknemer.
SevenLab heeft de taak gekregen om een scan app te ontwikkelen die aangeeft of een monitor kwik bevat. Deze scanner gebruikt machine learning om de labels op monitoren te herkennen en te identificeren welk type monitor het is.
De uitdaging
In de praktijk blijkt dat een ervaren werknemer snel het type monitor kan herkennen, en correct kan scheiden. Dit komt dankzij subtiele verschillen zoals de dikte van de monitor of de kleur van het beeldscherm. Hierdoor kunnen deze werknemers sommige type monitoren al op afstand herkennen, nog zonder een label te hebben gezien.
Dit proces vereist echter wel de training van meerdere werknemers die in veel gevallen slechts een korte tijd bij een afvalverwerker in dienst zijn. Daarom is de huidige werkwijze tijdrovend, en foutgevoelig bij onervaren werknemers. En dus was er behoefte aan een digitale oplossing in de vorm van een kwik scanner.
Om het gebruik van de applicatie zo effectief en gebruiksvriendelijk mogelijk te maken, was het noodzakelijk om een op maat gemaakte oplossing te bedenken.
Het gebruik van AI om een label te herkennen
Alle monitoren bevatten verplichte labels aan de achterzijde die verschillende kenmerken bevatten om kwik te herkennen. Deze kenmerken zijn uitgedrukt in logo’s of codes. We hebben ‘optical character recognition’ (OCR) ingezet om ons model te trainen in het herkennen van specifieke woorden of lettercombinaties. Naast OCR hebben we ook een model ontwikkeld dat gebruik maakt van objectherkenning om diverse iconen te identificeren. Door deze twee technieken te combineren, kan de app het type scherm dat de monitor bevat herkennen aan de hand van het label, en deze informatie vervolgens aan de gebruiker tonen.
Dankzij deze informatie kan de gebruiker de monitor vervolgens correct in de juiste afvalstroom plaatsen.
Een snelle scanner
Om de wachttijd tussen het scannen en het weergeven van een resultaat zo kort mogelijk te houden, hebben we zorgvuldig nagedacht over de keuze van geschikte software en hardware, en over hoe we het machine learning model zouden trainen. In sommige gevallen duurde dit proces enkele seconden langer, wat leidde tot extra wachttijd voor de werknemer. Dit is niet wenselijk, gezien er dagelijks tot wel honderden monitoren per afvalverwerker verwerkt worden.
Gebruiksvriendelijke interface die aansluit op de werkomgeving
Bij het ontwerpen van de interface was ons doel om het aantal acties dat gebruikers moeten uitvoeren voor het uitvoeren van een scan tot een minimum te beperken. Dit was belangrijk om ervoor te zorgen dat het gebruik van de applicatie weinig tijd in beslag neemt en de werkzaamheden van de werknemer niet hindert. We hebben een interface gecreëerd met slechts twee pagina’s, die bediend kan worden met een enkele fysieke knop om de scanner te activeren. Na het scannen wordt het resultaat weergegeven; deze pagina sluit automatisch na een ingestelde tijd, waardoor de gebruiker direct een nieuwe scan kan starten.
Gebruikers
Bij het ontwikkelen van onze software houden we altijd rekening met de eindgebruiker. Voor deze applicatie waren er diverse interessante vereisten waar we specifiek aandacht aan moesten besteden.
Navigatie en handschoenen
Omdat de afvalverwerking plaatsvindt in een omgeving met veel scherpe objecten, dragen werknemers dikke handschoenen. Deze handschoenen belemmeren het gebruik van digitale knoppen op het scherm, aangezien de vinger door de dikte van de handschoen niet herkend wordt. Om dit probleem te omzeilen, hebben we twee mogelijke oplossingen overwogen.
De eerste oplossing betrof een knoploze scanner, waarbij de fotocamera continu probeert labels te herkennen zonder actie van de gebruiker. We hebben deze optie niet gekozen omdat de techniek te veel data verbruikt.
De tweede oplossing, die onze voorkeur kreeg, maakt gebruik van de fysieke (volume) knoppen aan de zijkant van de smartphone. Deze knoppen kunnen wel ingedrukt worden door werknemers met handschoenen, waardoor we geen beroep hoeven te doen op data-intensieve technieken.
Door de scanner te activeren via de volumeknoppen, kunnen gebruikers de applicatie bedienen zelfs met handschoenen aan, zonder dat zij voor elke scan hun handschoenen uit hoeven te trekken.
Beheersing van de Nederlandse taal
De werknemers hebben vaak verschillende achtergronden; zo zijn er bijvoorbeeld immigranten die de Nederlandse taal niet machtig zijn. Om hiermee rekening te houden was het essentieel dat de applicatie begrijpelijk zou zijn zonder tekstuele ondersteuning, en dat er zoveel mogelijk gebruikt werd gemaakt van herkenbare woorden zoals ‘LED’ en ‘LCD’.
Werkbezoek
Om deze inzichten te verkrijgen, hebben we meerdere afvalverwerkers bezocht om te observeren hoe werknemers momenteel hun werk doen en om te beoordelen hoe de applicatie hun werkwijze kan aanvullen. Tijdens het bezoek hebben we extra aandacht besteed aan verschillende werkomstandigheden, zoals: wie werken er, is het gebruik van handschoenen verplicht, kunnen we gebruik maken van audio of is er veel hard geluid, is er voldoende licht aanwezig om een scan uit te voeren en hoe groot is de kans dat de smartphone beschadigd raakt op de werkvloer.
