← ステッカーウォール AGENT · DETAIL

Recycleye：AIビジョン＋ロボットアームによるごみ選別、ARR約710万ドル達成後にCP Groupが買収

ワークフロー：コンベアベルト上のごみがカメラの前を継続的に通過し、エッジ側のディープラーニングモデルがミリ秒単位で各物体の材質、色、形状、汚染度（食品と非食品、アルミ缶と箔、黒色プラスチックとゴムなどの細分類を含む）を識別する。その後、FANUCの6軸ロ

AGENT

主要項目

FIELD STAMPS

業界教育・知識課金

地域欧州（英国）

規模中小企業

チャネルオンライン

🔧 ワークフロー

コンベアベルト上のごみがカメラの前を継続的に通過し、エッジ側のディープラーニングモデルがミリ秒単位で各物体の材質、色、形状、汚染度（食品と非食品、アルミ缶と箔、黒色プラスチックとゴムなどの細分類を含む）を識別する。その後、FANUCの6軸ロボットアームによるピッキング（1台あたり10時間のシフトで最大33,000回、毎分35〜65回）またはQuantiSortの高速気流噴射によって自動選別が行われる。入力は未分別の廃棄物フローであり、出力はより高純度な分類物資と、リアルタイムの成分・純度データダッシュボードとなる。工場の品質管理担当者が人間の審判として毎日抜き取り検査を行い、戦略を調整することで、継続的に稼働する閉ループを構築している。

🛠 構築のハードル

コンピュータビジョンとディープラーニングの研究開発能力、および産業用ロボットの統合経験が必要。同社はFANUCと協力して6軸ロボットアームを展開し、自社構築のWasteNet廃棄物画像データベースに基づいて識別モデルをトレーニングしている。設備は既存の選別ラインに後付け可能であり、24時間稼働をサポートする。同社は2019年にインペリアル・カレッジ・ロンドン（Imperial College London）の卒業生によって創業され、長年の研究開発、パイロット運用、およびDCVCが主導する1,700万ドルのシリーズA資金調達を経て、2026年の買収完了により商業的規模での複製段階に入った。個人での単独構築は困難であり、チームと産業パートナーとの連携が必要となる。

🧰 ツールチェーン

🔧 WasteNet廃棄物画像データベースおよびディープラーニングモデル
🔧 FANUC 6軸産業用ロボット（QualiBot）
🔧 QuantiSort 2.0 高速光学選別・空圧噴射システム
🔧 リアルタイム成分分析データダッシュボード
🔧 エッジコンピュートカメラおよび識別ユニット

💰 収入

2023年のARR（年間経常収益）は約710万ドル。ビジネスモデルはハードウェアの販売またはリースに加え、AIソフトウェアおよび分析サービスの年間サブスクリプション（価格は非公開）。顧客側の事例では約1.7年で投資回収が可能であり、レンガ類の分離により物資の価値が2〜3倍に向上、繊維の純度を85%から97%に高めたことで1トンあたりの販売価格が大幅に上昇している。サブスクリプションと保守部品が継続的な経常収益を構成し、買収後はCP Groupのチャネルを活用して展開が加速している。

💸 コスト

コストは、FANUCのロボットアームおよび光学選別ハードウェア、カメラ、エッジコンピュート機器、モデルトレーニングおよび大量のアノテーションデータ、ならびに現地での据付、保守、保守部品サービスに集中している。ソフトウェアの年間サブスクリプションには、継続的なアルゴリズムのアップデートと分析ダッシュボードが含まれており、長期運用において安定した支出を形成している。具体的な金額は非公開だが、全体としてはアセットヘビーとソフトウェアサブスクリプションが組み合わさったコスト構造となっている。

⏱ 時間投入

チームはフルタイムで従事し、アルゴリズムの研究開発、デリバリー実装、カスタマーサクセスをカバーしている。設備側は24時間365日の自動稼働が可能であり、1台のロボットが10時間のシフトで約33,000回のピッキングを行い、シフトごとに1人以上の選別作業員を代替する。工場の品質管理担当者が毎日抜き取り検査を行うだけで出力純度を維持できるため、常時有人で監視し続ける必要はない。

🚀 初心者ガイド

個人がこの産業用システムを直接複製することはできないが、オープンソースのコンピュータビジョンフレームワークを使用してごみ画像の分類デモを作成し、リサイクル工場のデータアノテーション、品質分析、小規模なパイロットプロジェクトから参入することは可能である。業界の知見や人脈を蓄積した上で、設備統合、選別ソリューションのコンサルティング、または地域代理店サービスへと移行する方が、直接ロボットを製造するよりも現実的な産業化のパスとなる。

🔑 成功のカギ

✅ 自社構築した超大規模なWasteNet廃棄物画像データベースにより、人間の目に匹敵する識別精度を実現し、容易には模倣できないデータムートを構築している
✅ ハードウェアとソフトウェアの統合により物資の純度と販売価格が直接向上し、ROIが数値化可能で、顧客は約1.7年で投資回収できるため、購買の意思決定がシンプルである
✅ FANUCやCP Groupなどの産業パートナーと深く提携し、確立されたチャネルを活用して欧米のリサイクル工場へ迅速に展開している
✅ サブスクリプション型のSaaSと分析ダッシュボードにより経常収益がもたらされ、導入台数が増えるほどデータが蓄積されモデルの精度が向上するという明確な複利効果がある

⚠️ 风险

⚠️ 産業用ロボットのハードウェア投資が大きく、販売サイクルが長期化するため、キャッシュフローを資金調達に依存しており、最終的にCP Groupに買収されたことも独立拡大のプレッシャーの大きさを物語っている
⚠️ 識別精度が新しいパッケージ形態やごみの組成の変化の影響を受けるため、モデルを継続的にアップデートする必要があり、怠ると純度保証が損なわれる
⚠️ リサイクル物資の価格がコモディティ価格の変動に左右されるため、顧客の投資回収期間が長期化する可能性がある。また、従来の光学選別や人件費が低い状況では、調達意欲が低下する

📌 実例

📌 アイルランド最大のリサイクル工場Panda（年間処理能力10万トン）がアルミ選別ラインに4台のロボットを導入し、シフトごとに1人の作業員を代替。98%の稼働率を達成し、純度と効率を向上
📌 CP Group傘下のMSSと提携し、欧米で23箇所以上のVivid AI光学選別システムの現地据付を完了
📌 繊維選別ラインの純度を85%から97%に引き上げ、汚染率を3%に低下、ラインの処理能力を10%向上、識別精度を12%向上

出典