AI en viktig del av sorteringens beslutsinfrastruktur
Att sortera material med hjälp av AI handlar ytterst om att fatta rätt beslut i rätt steg. På Wargön Innovation har arbetet med bilddata och AI vuxit fram ur praktiska behov i verkliga sorteringsflöden. Ett behov som nu skapat en gemensam infrastruktur som fler kan bygga vidare på.
På Wargön Innovation har vi under lång tid arbetat med bildbaserad data och AI‑baserade beslutsstöd som en del av sorteringsinfrastrukturen. Utgångspunkten för oss är idéen om att data är som mest användbar i praktiken om vi bygger nära de faktiska flöden där material också hanteras.
Vårt arbete med bilddataset för textilsortering sträcker sig flera år tillbaka. Redan tidigt tog vi fram ett öppet dataset med tiotusentals bilder, insamlade direkt i vår verksamhet i Vargön. Det blev en grund för hur träningsdata kan samlas in och kvalitetssäkras i miljöer där sortering inte är en teoretisk modell, utan ett dagligt arbete med verkliga material och verkliga begränsningar.
Dataset för framtidens AI byggd i praktiken
En avgörande utgångspunkt har varit att bilderna inte ska spegla idealiserade situationer. Dataseten är skapade i verkliga arbetsmoment, med variationer i ljus, material, skick och blandning. Det är där sorteringens komplexitet uppstår och det är där AI‑baserade beslutsstöd måste fungera för att göra nytta.
I dag fortsätter vi att utveckla denna kapacitet i flera sammanhang. Bilddata och AI‑modeller använder vi bland annat för att utveckla den tidig försortering. Här tittar vi efter att göra en bedömning av skick och defekter och vill nå ett bra beslutsunderlag för var textilierna ska ta vägen i nästa steg.
Oavsett tillämpning är logiken hela tiden densamma. Tidiga och träffsäkra beslut påverkar materialkvalitet, minskar kontaminering och skapar bättre förutsättningar längre ner i systemet. Sortering är en infrastruktur som avgör vad som faktiskt kan leva vidare och på vilka villkor.
Öppna dataset som gemensam resurs
Vi delar våra dataset och modeller öppet. Många har redan laddat ner dem och använder dem i forskning, utveckling och egna tillämpningar. För oss bekräftar det värdet av att bygga data i praktiken och av att dela sådant som är testat och fungerar i verkliga flöden.
AI är i det här sammanhanget inte en fristående lösning, utan en gemensam infrastruktur som fler behöver kunna bygga vidare på. Det är inte ett färdigt svar på hur framtidens sortering ska se ut, utan ett pågående arbete där vi fortsätter utveckla data, teknik och systemförståelse tillsammans.