2022 年，僅歐盟就產生了約 500 萬噸電子垃圾。美國每年產生 690-760 萬公噸電子垃圾，相當于每人每年產生 46-47 磅電子垃圾。到 2030 年，全球產生的電子垃圾預計將增加到 7470-8200 萬公噸。一個將測量和機器人技術與人工智能和知識管理相結合的項目應運而生，旨在解決這一問題。
與此同時，電子產品回收利用的現狀卻遠非理想。電子工業的制造流程將成本效益置于可回收性之上，導致設備難以拆卸和分離成其組成部分。傳統的回收方法通常需要人工拆卸，成本高且效率低。此外，許多設備最終會被粉碎，這一過程限制了回收有價值部件的可能性。
為了解決這一日益嚴重的危機，德國馬格德堡弗勞恩霍夫研究所的研究人員開發了iDEAR，即電子產品智能拆解再制造和回收。它不僅提高了電子產品回收的效率，而且有朝一日還能幫助制造商獲得有價值的原材料。迄今為止，iDEAR 系統已成功地將主板從 PC 外殼中取出--這是一項需要高精度和高靈敏度的任務。
iDEAR 流程從識別和診斷階段開始。由人工智能驅動的 3D 相機和光學傳感器系統會掃描電子垃圾，捕捉制造商詳細信息、產品類型和序列號等信息。然后，這些系統不僅能進行識別，還能評估組件狀況、檢測異常情況，以及評估螺絲和鉚釘等連接元件的狀態。
Fraunhofer IFF 的輔助、服務和工業機器人小組組長 José Saenz 解釋說，光學測量技術在檢測標簽和分類各種組件方面發揮著至關重要的作用。基于大量數據集訓練的機器學習算法可以根據傳感器和光譜數據對材料、塑料和部件進行實時識別和分類。例如，它可以識別螺絲是隱藏還是生銹。
iDEAR 項目的一項關鍵創新是為每個產品創建一個數字拆解孿生體。該孿生體可作為設備的記錄，包括其組件信息和類似產品的任何先前拆解信息。
一旦對設備進行了徹底分析，系統就會使用專用軟件定義拆卸順序。這些順序決定了應該進行完全拆卸還是部分拆卸，后者側重于回收高價值部件。然后，機器人會收到一系列指令，指導它完成拆卸螺絲、打開外殼和提取部件等任務。
雖然 iDEAR 項目目前的重點是個人電腦回收，但研究人員對未來有著雄心勃勃的計劃。Saenz 設想，數據驅動的方法可以適應從微波爐到大型家電的各種電子設備，而且只需最小的工程投入。
