分揀中心內(nèi)部

回收設(shè)施使用機(jī)械分揀、光學(xué)高光譜分揀和人類工人。以下是回收卡車(chē)帶著藍(lán)色垃圾箱里的東西離開(kāi)后通常會(huì)發(fā)生的情況。

卡車(chē)在混凝土墊上卸貨，稱為尖端地板。前端裝載機(jī)將散裝材料舀起來(lái)，然后將其傾倒到傳送帶上，通常以每小時(shí)30至60噸的速度傾倒。

第一階段是預(yù)選。人類工人移除了最初不應(yīng)該進(jìn)入收集卡車(chē)的大型或有問(wèn)題的物品——自行車(chē)、大塊塑料薄膜、丙烷罐、汽車(chē)變速器。

依賴光學(xué)高光譜成像的分揀機(jī)或人類工人將纖維（辦公用紙、紙板、雜志——被稱為2D產(chǎn)品，因?yàn)樗鼈兇蠖嗍潜馄降模氖Ｓ嗟乃芰虾徒饘僦蟹蛛x出來(lái)。在光學(xué)分揀機(jī)的情況下，相機(jī)盯著沿著傳送帶滾動(dòng)的材料，檢測(cè)到由目標(biāo)物質(zhì)制成的物體，然后發(fā)送消息以激活一組電子可控的螺線管，將物體轉(zhuǎn)移到收集箱中。

非纖維材料通過(guò)一個(gè)帶有密集的凸輪狀輪子的機(jī)械系統(tǒng)。大件物品滑過(guò)，而小物品存放在藍(lán)色垃圾桶里的可回收叉子，直接前往垃圾填埋場(chǎng)——它們太小了，無(wú)法分類。機(jī)器還砸碎玻璃，玻璃掉到底部并被屏蔽掉。

然后，溪流的其余部分從頭頂磁鐵和渦流誘導(dǎo)機(jī)下穿過(guò)，這些磁鐵收集由黑色金屬制成的物品，以及一臺(tái)渦流誘導(dǎo)機(jī)將有色金屬?zèng)_擊到另一個(gè)收集區(qū)。

在這一點(diǎn)上，大部分是塑料仍然存在。更多的高光譜分揀機(jī)，可以一次拉出一種類型的塑料，如洗滌劑瓶的HDPE和水瓶的PET。

最后，剩下的任何東西——卡車(chē)上10%到30%的貨物——都會(huì)進(jìn)入垃圾填埋場(chǎng)。

在未來(lái)，人工智能驅(qū)動(dòng)的機(jī)器人分類系統(tǒng)和人工智能檢查系統(tǒng)可以在這個(gè)過(guò)程的大多數(shù)情況下取代人類工人。在圖表中，紅色圖標(biāo)表示人工智能驅(qū)動(dòng)的機(jī)器人系統(tǒng)可以取代人類工人的位置，藍(lán)色圖標(biāo)表示人工智能審計(jì)系統(tǒng)可以對(duì)排序工作的成功進(jìn)行最終檢查。

人工智能 精益求精

訓(xùn)練神經(jīng)網(wǎng)絡(luò)來(lái)識(shí)別當(dāng)今市場(chǎng)上所有不同類型的洗衣粉瓶已經(jīng)很困難了，但當(dāng)你考慮到這些物體到達(dá)回收設(shè)施時(shí)可能經(jīng)歷的物理變形時(shí)，這是一個(gè)完全不同的挑戰(zhàn)。它們可以折疊、撕裂或粉碎。混入其他物體的流中，瓶子可能只能看到一個(gè)角落。液體或食物浪費(fèi)可能會(huì)掩蓋材料。

我們通過(guò)向它們提供來(lái)自世界各地回收設(shè)施的屬于每個(gè)類別的材料的圖像來(lái)訓(xùn)練我們的系統(tǒng)。利用這些數(shù)據(jù)，我們的模型通過(guò)發(fā)現(xiàn)區(qū)分不同材料的模式和特征，學(xué)會(huì)與人類同類產(chǎn)品相同的方式識(shí)別可回收物。我們不斷從所有使用我們系統(tǒng)的設(shè)施中隨機(jī)收集樣本，然后對(duì)其進(jìn)行注釋，將它們添加到我們的數(shù)據(jù)庫(kù)中，并重新訓(xùn)練我們的神經(jīng)網(wǎng)絡(luò)。我們還測(cè)試我們的網(wǎng)絡(luò)，以找到在目標(biāo)材料上表現(xiàn)最佳的模型，并對(duì)我們系統(tǒng)難以正確識(shí)別的材料進(jìn)行有針對(duì)性的額外培訓(xùn)。

一般來(lái)說(shuō)，神經(jīng)網(wǎng)絡(luò)容易學(xué)習(xí)錯(cuò)誤的東西。奶牛的圖片與牛奶包裝有關(guān)，牛奶包裝通常以纖維紙箱或HDPE容器的形式生產(chǎn)。但奶制品也可以用其他塑料包裝，例如，單份奶瓶可能看起來(lái)像加侖罐的HDPE，但通常由用于水瓶的PET（聚對(duì)苯二甲酸乙二醇酯）的不透明形式制成。換句話說(shuō)，奶牛并不總是指纖維或HDPE。

同時(shí)，也要及時(shí)了解消費(fèi)者包裝的持續(xù)變化。任何依靠視覺(jué)觀察來(lái)學(xué)習(xí)包裝和材料類型之間關(guān)聯(lián)的機(jī)制都需要消耗穩(wěn)定的數(shù)據(jù)流，以確保對(duì)物體進(jìn)行準(zhǔn)確分類。

但我們可以讓這些系統(tǒng)發(fā)揮作用。目前，我們的系統(tǒng)在某些類別上表現(xiàn)得非常好——鋁罐的準(zhǔn)確率超過(guò)98%——并且在區(qū)分顏色、不透明度和初始使用（發(fā)現(xiàn)那些食品級(jí)塑料）等細(xì)微差別方面越來(lái)越好。

既然基于人工智能的系統(tǒng)已經(jīng)準(zhǔn)備好承擔(dān)您的可回收物，事情可能會(huì)有什么變化？當(dāng)然，它們將促進(jìn)機(jī)器人的使用，而機(jī)器人在當(dāng)今的回收行業(yè)中只使用最少。鑒于這個(gè)沉悶而骯臟的業(yè)務(wù)中工人長(zhǎng)期短缺，自動(dòng)化是一條值得走的道路。

人工智能還可以幫助我們了解當(dāng)今現(xiàn)有的分類流程做得如何，以及我們?nèi)绾胃倪M(jìn)它們。今天，我們對(duì)分揀設(shè)施的運(yùn)營(yíng)效率有非常粗略的了解——我們?cè)谶M(jìn)出途中稱量卡車(chē)，在出途中稱量產(chǎn)出，沒(méi)有任何設(shè)施可以肯定地告訴你產(chǎn)品的純度，他們只能通過(guò)打開(kāi)隨機(jī)包來(lái)定期審計(jì)質(zhì)量。但是，如果您將人工智能驅(qū)動(dòng)的視覺(jué)系統(tǒng)放在分類過(guò)程相關(guān)部分的輸入和輸出上，您將全面了解哪些材料流向哪里。這種水平的審查在世界各地的數(shù)百個(gè)設(shè)施中才剛剛開(kāi)始，它應(yīng)該會(huì)提高回收業(yè)務(wù)的效率。能夠精確和一致地將可回收材料的實(shí)時(shí)流動(dòng)數(shù)字化，這也為更好地了解哪些可回收材料正在回收，哪些目前尚未被回收，然后確定差距，使設(shè)施能夠整體改善其回收系統(tǒng)。

編輯：趙凡