人工智能引導(dǎo)的高速機(jī)器人分揀系統(tǒng)，在傳送帶上按類別識(shí)別材料。迄今為止，運(yùn)行中的系統(tǒng)已經(jīng)識(shí)別了超過500億個(gè)各種排列的物體。

 提高認(rèn)識(shí)，明確方向

某天的早上，你家門前放著一個(gè)藍(lán)色的大垃圾桶，里面裝滿了報(bào)紙、紙板、瓶子、罐頭、鋁箔外賣托盤和空的酸奶容器。你可能會(huì)認(rèn)為自己正在盡自己的一份力量來減少浪費(fèi)。但在你沖洗完酸奶容器并把它丟進(jìn)垃圾桶后，你可能再也不會(huì)多想它了。

回收箱里的東西將被倒入卡車，并被帶到回收設(shè)施進(jìn)行分類。大多數(shù)材料將用于加工和最終用于新產(chǎn)品。但很多都會(huì)在垃圾填埋場(chǎng)結(jié)束。

那么，有多少進(jìn)入垃圾箱的材料可以避免去垃圾填埋場(chǎng)？對(duì)于進(jìn)行回收的國家來說，這個(gè)數(shù)字（稱為回收率）似乎平均在70%至90%左右，盡管沒有廣泛的數(shù)據(jù)，但看起來還是不錯(cuò)的，在一些城市，它可以低至40%。

更糟糕的是，只有一小部分可回收物進(jìn)入垃圾箱——在美國只有32%，全球只有10%到15%。這是許多由有限資源制成的材料，這些材料會(huì)不必要地浪費(fèi)。

有一種方法可以做得更好。使用計(jì)算機(jī)視覺、機(jī)器學(xué)習(xí)和機(jī)器人來識(shí)別和分類回收材料，我們可以提高自動(dòng)分揀機(jī)的準(zhǔn)確性，減少對(duì)人為干預(yù)的需求，并提高整體回收率。

夯實(shí)基礎(chǔ)，創(chuàng)新技術(shù)

在解釋人工智能將如何改善回收之前，讓我們看看回收材料過去是如何分類的，以及當(dāng)今世界大部分地區(qū)是如何分類的。

當(dāng)回收在20世紀(jì)60年代開始時(shí)，分類的任務(wù)落在了消費(fèi)者身上——報(bào)紙裝在一捆里，紙板裝在另一捆里，玻璃和罐子放在他們自己的單獨(dú)的垃圾桶里。這對(duì)許多人來說太麻煩了，并限制了可回收材料的收集量。

在20世紀(jì)70年代，許多城市拿走了多個(gè)垃圾箱，用一個(gè)集裝箱取而代之，分揀發(fā)生在下游。這種“單流”回收促進(jìn)了參與，現(xiàn)在是發(fā)達(dá)國家的主要回收形式。

將分揀任務(wù)進(jìn)一步下游，導(dǎo)致了分揀設(shè)施的建設(shè)。為了進(jìn)行實(shí)際分類，回收企業(yè)家調(diào)整了采礦和農(nóng)業(yè)行業(yè)的設(shè)備，必要時(shí)填充人力。這些分類系統(tǒng)沒有計(jì)算機(jī)智能，而是依靠材料的物理特性來分離它們。例如，玻璃可以碎成小塊，然后篩選和收集。紙板是剛性和輕的——它可以滑過一系列機(jī)械凸輪狀圓盤，而其他密度更高的材料落在圓盤之間。黑色金屬可以與其他材料通過磁力分離；也可以使用大渦流在鋁等有色金屬中誘導(dǎo)磁性。

到20世紀(jì)90年代，由美國宇航局開發(fā)并于1972年首次在衛(wèi)星上發(fā)射的高光譜成像在商業(yè)上變得可行，并開始出現(xiàn)在回收世界中。與主要看到紅色、綠色和藍(lán)色組合的人類眼睛不同，高光譜傳感器將圖像劃分為更多的光譜帶。該技術(shù)區(qū)分不同類型塑料的能力改變了回收商的游戲規(guī)則，不僅將光學(xué)傳感，而且將計(jì)算機(jī)智能帶入了該過程。還開發(fā)了可編程光學(xué)分揀器來區(qū)分紙制品，例如，區(qū)分報(bào)紙和垃圾郵件。

因此，今天大部分排序都是自動(dòng)化的。這些系統(tǒng)通常排序?yàn)?0%至95%的純度——也就是說5%至20%的輸出不應(yīng)該存在。然而，為了使產(chǎn)出有利可圖，純度必須高于95%，低于這個(gè)閾值，價(jià)值會(huì)下降，通常一文不值。因此，人類手動(dòng)清理每條溪流，在材料被壓縮和打包運(yùn)輸之前，挑選出雜散的物體。

盡管進(jìn)行了所有自動(dòng)和手動(dòng)分類，但進(jìn)入該設(shè)施的大約10%至30%的材料最終最終會(huì)進(jìn)入垃圾填埋場(chǎng)。在大多數(shù)情況下，一半以上的材料是可回收的，物有所值，但只是被遺漏了。

我們已經(jīng)盡可能地推動(dòng)了當(dāng)前的系統(tǒng)。只有人工智能才能做得更好。

將人工智能納入回收業(yè)務(wù)意味著將拾取和放置機(jī)器人與準(zhǔn)確的實(shí)時(shí)物體檢測(cè)相結(jié)合。拾取和放置機(jī)器人與計(jì)算機(jī)視覺系統(tǒng)相結(jié)合，用于制造中抓取特定物體，但它們通常只是重復(fù)尋找單個(gè)物品，或在受控照明條件下尋找一些已知形狀的物品。然而，回收涉及沿傳送帶移動(dòng)的物體的種類、形狀和方向的無限可變性，需要即時(shí)識(shí)別，同時(shí)快速向機(jī)器人手臂發(fā)送新的軌跡。

人工智能在理論上可以完全基于圖像分析，以接近100%的精度從混合材料流中恢復(fù)所有可回收物。如果基于人工智能的排序系統(tǒng)能夠看到一個(gè)對(duì)象，它可以準(zhǔn)確地對(duì)它進(jìn)行排序。

考慮當(dāng)今回收分揀機(jī)的一種特別具有挑戰(zhàn)性的材料：高密度聚乙烯（HDPE），一種通常用于洗滌劑瓶和牛奶罐的塑料。（在中國、歐洲和美國，HDPE產(chǎn)品被標(biāo)記為2號(hào)可回收物。）在依賴高光譜成像的系統(tǒng)中，一批HDPE往往與其他塑料混合，并可能帶有紙張或塑料標(biāo)簽，這使得高光譜成像儀難以檢測(cè)底層物體的化學(xué)成分。

相比之下，人工智能驅(qū)動(dòng)的計(jì)算機(jī)視覺系統(tǒng)可以通過識(shí)別瓶子的包裝來確定瓶子是HDPE而不是其他東西。這種系統(tǒng)還可以使用顏色、不透明度和外形因素等屬性來提高檢測(cè)準(zhǔn)確性，甚至按顏色或特定產(chǎn)品進(jìn)行排序，從而減少所需的后處理量。雖然系統(tǒng)不試圖理解標(biāo)簽上單詞的含義，但單詞是項(xiàng)目視覺屬性的一部分。

群峰重工已經(jīng)構(gòu)建了可以進(jìn)行這種排序的系統(tǒng)。在未來，AI系統(tǒng)還可以按材料組合和原始用途進(jìn)行分類，使食品級(jí)材料與裝有家用清潔劑的容器分離，并將被食品廢物污染的紙張與清潔紙分離。

訓(xùn)練神經(jīng)網(wǎng)絡(luò)來檢測(cè)回收流中的物體并不容易。它至少比在照片中識(shí)別人臉更具挑戰(zhàn)性幾個(gè)數(shù)量級(jí)，因?yàn)榭苫厥詹牧献冃蔚姆绞綆缀醵喾N多樣，系統(tǒng)必須識(shí)別排列。

編輯：趙凡