距離《上海市生活垃圾管理條例》的正式生效，已過去了整整半個月。各種垃圾分類段子走紅網(wǎng)絡(luò)時，“尚存理智”的一部分人提出：垃圾分類“強制時代”等同于新一輪來勢兇猛的“風口”，給諸如智能平臺、環(huán)衛(wèi)設(shè)備、處理終端等領(lǐng)域帶來了轉(zhuǎn)型、優(yōu)化的機會。

行業(yè)人士估計，環(huán)衛(wèi)產(chǎn)業(yè)未來將達到2000億市場。在國外，有實力的公司已搶先布局，高校與實驗室加大研發(fā)投入，國內(nèi)也有一波企業(yè)瞄準這一應(yīng)用領(lǐng)域，積極尋求落地。

國外搶先入局賽道

國外市面上的分揀機器人所使用的方法主要是利用視覺分析系統(tǒng)對物品進行跟蹤和分類，包括FANUC的分揀機器人Waste Robot、AMP Robotics、美國BHS的MAX-AI、芬蘭的ZenRobotics回收機等。

其中，AMP Robotics在美國部署了24套類似系統(tǒng)，預計到今年年底，這一數(shù)字將翻番；Waste Robot已與政府廢品管理進行合作，離正式應(yīng)用又近了一步。

2017年11月27日，日本垃圾處理公司Shitara Kosan就引進了芬蘭的ZenRobotics的機器人垃圾分揀系統(tǒng)并已經(jīng)投產(chǎn)。同年中國江蘇綠和環(huán)境科技有限公司也同ZenRobotics簽署了合作協(xié)議，引進了相同配置的分類機器人。

MIT最近和耶魯大學聯(lián)合開發(fā)了一款分揀機器人RoCycle，與一般分揀機器人不同的是，這款機器人借助軟體手使用觸覺來檢驗材料。

研究人員表示，視覺分析系統(tǒng)在進行分揀時可能會出現(xiàn)誤差，比如在分辨兩個外表幾乎一致但材料不同的物體時，視覺分析系統(tǒng)很可能將兩種材料歸為一類，而觸覺系統(tǒng)就像人類即使閉著眼睛也能夠大致分辨出手中所拿的物體是什么。對于分揀機器人來說，觸覺比視覺更加有效。

國內(nèi)初見落地曙光

意識到剛需，我國也在積極投身到垃圾分揀機器人的研制應(yīng)用當中。

2017年，航天科技集團一院18所基于神經(jīng)網(wǎng)絡(luò)搭建的環(huán)衛(wèi)垃圾分揀及智能機器人深度學習平臺調(diào)試成功，開發(fā)了國內(nèi)第一臺環(huán)衛(wèi)垃圾分揀機器人。雖然這臺機器人還沒有實現(xiàn)產(chǎn)業(yè)化，但對于產(chǎn)業(yè)的發(fā)展起到推動作用。

在浙江杭州天子嶺靜脈產(chǎn)業(yè)園區(qū)，坐落著一座裝修垃圾資源利用一體化工廠。工廠內(nèi)機器人在生產(chǎn)流水線上快速、持續(xù)、準確地抓取垃圾待分揀物質(zhì)。工作環(huán)境清潔整齊，全流程智能化操作，每年可消化約10萬噸建筑垃圾。

成立于2018年9月的人工智能創(chuàng)業(yè)公司弓葉科技正在試圖打通從居民端對垃圾誤投放進行追蹤，到小區(qū)清運端的可回收垃圾智能分類，再到垃圾工廠端的垃圾分類的“前中后三個端口”。

弓葉科技創(chuàng)始人莫卓亞介紹，在居民端，弓葉科技的智能垃圾箱配備了多種傳感器，這些傳感器將垃圾圖像發(fā)送云端。垃圾清運中心就能夠及時監(jiān)控信息，優(yōu)化清運垃圾的路線或時間表，快捷高效地拾取垃圾，從而保證了不同規(guī)模小區(qū)的清理效率。

在小區(qū)端，運用配備了并聯(lián)機器人的輕型垃圾分選設(shè)備，以及人工智能回收系統(tǒng)“保捷PORCHE-AI S2.0”，利用攝像機向云端大腦傳遞影像信息，機器學習算法識別出傳送帶上的廢棄物，機械臂就會對其進行快速分揀。

弓葉科技輕型垃圾分選設(shè)備PORCHE-AI S2.0

在垃圾工廠端，弓葉科技研制了重型垃圾分選設(shè)備，安裝了人工智能回收系統(tǒng)“澎湃POWER-AI S2.0”，能夠?qū)ㄖM行分類，可以分選重達30kg的物體，并按照操作人員設(shè)定，將垃圾分成金屬、木頭、石頭、塑料等多種不同材質(zhì)，然后將回收物投入循環(huán)利用。

弓葉科技重型垃圾分選設(shè)備POWER-AI S2.0

“目前，弓葉科技人工智能輕型垃圾分選設(shè)備能夠達到90％以上的分類準確率，可以7天*24小時連續(xù)不間斷工作，每小時可以執(zhí)行4000次分選，遠高于人類每小時2400次的平均值。弓葉科技重型垃圾分選設(shè)備每小時可以執(zhí)行2000次分選，遠遠超過人工分選效率?！蹦縼喺f道。

難點叢生路漫漫

然而，垃圾分揀的技術(shù)難度和實際工況，比想象的要復雜惡劣太多。

機器人用于垃圾分類時，一般需要滿足一些先決條件，如被分揀對象的相對標準化。目前看來，一是垃圾分類還未實現(xiàn)標準化，機器人能夠達到多高的智能水平有待繼續(xù)開發(fā)，軟硬件難以兼容；二是即便技術(shù)可以實現(xiàn)，也要考慮實際應(yīng)用的成本。

莫卓亞指出：“垃圾分揀設(shè)備其實是光機電視覺一體化的綜合運用。首先依靠成熟的感知技術(shù)，比如傳感器、計算機視覺等等，讓每個環(huán)節(jié)流通的垃圾和行為都能被數(shù)據(jù)化。同時，為了讓識別的準確率足夠高，必須要進行一定的數(shù)據(jù)積累與訓練。”

目前看來，基于神經(jīng)網(wǎng)絡(luò)的算法進行圖像分類，算法比較成熟，但是對足夠量的訓練圖片集有著非常大的需求。由于神經(jīng)網(wǎng)絡(luò)算法是一種數(shù)據(jù)驅(qū)動的方法，對訓練樣本數(shù)據(jù)量及質(zhì)量要求較高，數(shù)據(jù)量越大，識別判斷越精準。每一類垃圾數(shù)據(jù)集的圖片量越大，精準度就越高。

在完成垃圾檢測的圖像數(shù)據(jù)集后，就可以利用當前主流的深度學習檢測算法來實現(xiàn)批量垃圾的分類。和垃圾分類器一樣，一個理想的垃圾檢測器，需要大量的“垃圾”標注數(shù)據(jù)來支撐。但是與分類數(shù)據(jù)集相比，檢測數(shù)據(jù)集除了標注類別外還要標注圖位置坐標，這樣的標注工作更為艱巨，也成為當前最大的挑戰(zhàn)之一。

莫卓亞進一步指出：“垃圾分類所涉及的環(huán)節(jié)對實時動態(tài)數(shù)據(jù)的監(jiān)測和處理要求非常高，無論是在垃圾傾倒時的實時甄別，車輛行進路線的合理控制，還是垃圾工廠的實時反饋，整個過程都需要大數(shù)據(jù)的支持?！?/p>

弓葉科技垃圾處理云平臺

此外，大負載、大行程的高速分選機器人的控制技術(shù)也是個難點。最終，機器人控制、邊緣計算和云端處理的綜合聯(lián)動才能成就這個龐大的設(shè)備。

最后，結(jié)合垃圾分揀工藝，分揀設(shè)備的材料強度須非常高，同時耐腐蝕，經(jīng)得起真空高壓，以及抵擋垃圾在其中的刮擦。

除了技術(shù)瓶頸外，更現(xiàn)實的一個難題在于“成本和效益”。勃肯特董事長王岳超指出，去年做過一個案例，但到現(xiàn)在還沒推廣起來，問題就在于終端客戶還不能接受如此高昂的成本。

梅卡曼德CEO邵天蘭也認為：“垃圾分類的單位價值太低了，一個機器人忙活一天，算起來沒多少價值。這樣的需求，在有限的、簡化的場景中做個demo相對來說比較容易，但是要經(jīng)濟、穩(wěn)定的實用起來很難?！?/p>

投資過環(huán)衛(wèi)企業(yè)的峰瑞資本副總裁馬睿也表示，垃圾分類是不是風口還不確定，要看是否會有新的商業(yè)模式。

阿拉丁智能創(chuàng)始人何孝珍強調(diào)：“沒有人機協(xié)作的社區(qū)垃圾分類，在我國是行不通的。智能機器人如何與垃圾分揀鏈條融合，才是真命題。”

可以預見的是，人工分揀將被機器智能分揀逐步取代。垃圾處理將真正成為流水線作業(yè)，利用AI進行識別，并將識別結(jié)果交給流水線上的機器人或者機械手臂進行分揀，最終將分揀的不同類別的垃圾交由垃圾處理廠進行再回收、焚燒、凈化、生物分解等方式處理。

莫卓亞笑言：“AI垃圾分類的大面積普及或許還很遙遠，但未來依然值得期待。每個人都必須與時代共同成長，從這個角度來說，我們非常幸運，不僅見證了中國垃圾分類的歷史，也深度參與了這一段歷史，用技術(shù)變革傳統(tǒng)行業(yè)?！?/p>

未來，隨著5G網(wǎng)絡(luò)的普及，實時的數(shù)據(jù)收集、分析和模型優(yōu)化會讓AI的效能變得更強，為垃圾分揀機器人提供云+端+邊緣計算的綜合保障。