星期二的晚上，你家前面的藍(lán)色大垃圾箱里裝滿了報(bào)紙、硬紙板、瓶子、易拉罐、鋁箔紙托盤(pán)和空酸奶杯。你可能會(huì)覺(jué)得自己很了不起，在盡自己的責(zé)任減少浪費(fèi)。但是把酸奶杯沖洗干凈并扔進(jìn)垃圾箱后，你可能就再也不會(huì)想起它了。

在美國(guó)許多地區(qū)和歐洲大部分地區(qū)，回收利用的真相令人深思。第二天早上，回收箱里的物品將被倒入卡車，并被帶到回收站進(jìn)行分揀。大部分材料將經(jīng)過(guò)加工并最終用于新產(chǎn)品。但還有很多最終會(huì)被當(dāng)作廢棄物填埋。

那么，有多少進(jìn)入一般垃圾箱的材料能夠避免被填埋呢？雖然沒(méi)有廣泛的可用數(shù)據(jù)，但在進(jìn)行便利回收的國(guó)家，該數(shù)字（稱為“回收率”）平均約為70%到90%。這個(gè)結(jié)果好像并不算壞。但一些城市的回收率可能低至40%。

更糟糕的是，只有一小部分可回收物進(jìn)入了垃圾箱，美國(guó)只有32%，而全球只有10%到15%。也就是說(shuō)，很多用有限資源制成的材料被不必要地浪費(fèi)了。

我們必須做得更好。由于可回收物分揀價(jià)格的下降，以及中國(guó)2018年頒布政策限制許多回收材料的進(jìn)口，并將大多數(shù)原產(chǎn)于美國(guó)的可回收物拒之門(mén)外，回收行業(yè)目前正面臨財(cái)務(wù)危機(jī)。

有一種方法可以幫助我們做得更好。利用計(jì)算機(jī)視覺(jué)、機(jī)器學(xué)習(xí)和機(jī)器人識(shí)別和分揀回收材料，我們可以提高自動(dòng)分揀機(jī)的準(zhǔn)確性，減少人工干預(yù)的需要，并提高整體回收率。

我們公司Amp Robotics的總部位于科羅拉多州路易斯維爾，正在開(kāi)發(fā)對(duì)可回收物進(jìn)行分類的軟件和硬件，這些軟件和硬件依靠的是圖像分析，其準(zhǔn)確率和回收率比傳統(tǒng)系統(tǒng)更高。其他公司也在采取類似做法，將人工智能和機(jī)器人技術(shù)應(yīng)用于回收利用，例如Bulk Handling Systems、Machinex和Tomra。到目前為止，全球已有數(shù)百個(gè)分揀站采用了這種技術(shù)。擴(kuò)大其使用可以防止浪費(fèi)，并且能夠避免可回收物被填埋，使其更易于再處理和再利用，從而助力改善環(huán)境。

在了解人工智能將如何改善回收利用之前，我們可以先看看過(guò)去是如何進(jìn)行回收材料分揀的，以及當(dāng)今世界大多數(shù)地區(qū)是如何分揀的。

回收開(kāi)始于20世紀(jì)60年代，當(dāng)時(shí)需要消費(fèi)者進(jìn)行分揀，例如把報(bào)紙放一捆，硬紙板放一捆，將玻璃和易拉罐分別放進(jìn)不同的垃圾箱。事實(shí)證明，這對(duì)許多人來(lái)說(shuō)太麻煩了，并且限制了收集的可回收材料的數(shù)量。

20世紀(jì)70年代，許多城市取消了多個(gè)垃圾箱，取而代之的是一個(gè)垃圾箱，分揀工作則在下游進(jìn)行。這種“單流”回收方式提高了參與度，目前已成為發(fā)達(dá)國(guó)家的主要回收形式。

將分揀任務(wù)進(jìn)一步移向下游促成了分揀站的建設(shè)。為了進(jìn)行準(zhǔn)確的分揀，回收企業(yè)家改裝了采礦業(yè)和農(nóng)業(yè)設(shè)備，并在必要時(shí)以人力補(bǔ)充。這些分揀系統(tǒng)不使用計(jì)算機(jī)智能，而是依靠材料的物理屬性將其分開(kāi)。例如，把玻璃打碎成小塊，然后篩選和收集。硬紙板既硬又輕，可以在一系列機(jī)械凸輪圓盤(pán)上滑動(dòng)，而其他密度更大的材料則會(huì)落入圓盤(pán)之間。利用磁力可將含鐵金屬與其他材料分離；使用大型渦流也可以在鋁等非鐵金屬物品中感應(yīng)磁性。

20世紀(jì)90年代，由NASA開(kāi)發(fā)并于1972年首次在衛(wèi)星上推出的高光譜成像技術(shù)已具備商業(yè)可行性，并開(kāi)始出現(xiàn)在回收利用領(lǐng)域。與人眼主要看到紅色、綠色和藍(lán)色的組合不同，高光譜傳感器能夠?qū)D像劃分為更多的光譜帶。這項(xiàng)技術(shù)能夠區(qū)分不同類型的塑料，從而改變了回收行業(yè)，將光學(xué)傳感和計(jì)算機(jī)智能引入了回收流程。此外，人們還開(kāi)發(fā)了可編程光學(xué)分揀機(jī)來(lái)分離紙制品，比如，區(qū)分報(bào)紙和垃圾信件。

因此，目前大部分分揀都實(shí)現(xiàn)了自動(dòng)化。這些系統(tǒng)的分揀純度通常在80%到95%，也就是說(shuō)，有5%到20%的回收物不應(yīng)該存在。然而，為了使回收物有利可圖，分揀純度必須高于95%；低于這個(gè)閾值，其價(jià)值就會(huì)下降，而且往往一文不值。因此，人類會(huì)手動(dòng)清理各條工作流，在材料被壓縮和打包運(yùn)輸之前揀出被錯(cuò)誤分揀的物品。

盡管經(jīng)過(guò)了自動(dòng)和手動(dòng)分揀，進(jìn)入分揀站的材料還是有大約10%到30%最終被填埋。大多數(shù)情況下，其中超過(guò)一半的材料是可回收和值錢的，但只是被漏掉了。

我們已經(jīng)將現(xiàn)有系統(tǒng)推向了極限。只有人工智能才能做得更好。

讓人工智能進(jìn)入回收業(yè)務(wù)，意味著要結(jié)合取放機(jī)器人與精確的實(shí)時(shí)物體檢測(cè)。在制造業(yè)中，與計(jì)算機(jī)視覺(jué)系統(tǒng)相結(jié)合的取放機(jī)器人被用于抓取特定物體，但它們通常只是在受控的照明條件下重復(fù)尋找單個(gè)物品或已知形狀的少數(shù)物品。然而，回收中涉及的物品會(huì)沿傳送帶向下移動(dòng)，其種類、形狀和方向有無(wú)限變化，需要幾乎即時(shí)的識(shí)別和向機(jī)械臂快速分配新的軌跡。

2016年，我們公司首次在科羅拉多州的一家分揀站使用人工智能從其他可回收物中拾取空紙板箱；如今，我們已在美國(guó)超過(guò)25個(gè)州和6個(gè)國(guó)家安裝了這種系統(tǒng)。雖然我們不是第一家嘗試人工智能分揀的公司，但之前該技術(shù)并未實(shí)現(xiàn)商業(yè)化應(yīng)用。我們已經(jīng)穩(wěn)步擴(kuò)大了我們系統(tǒng)能夠識(shí)別和分揀的可回收物的種類。

理論上，人工智能可以完全基于圖像分析，以接近100%的準(zhǔn)確率從混合材料流中回收所有可回收物。人工智能分揀系統(tǒng)只要能看到物品，就可以準(zhǔn)確地對(duì)其進(jìn)行分揀。

以高密度聚乙烯（HDPE）為例，這是一種常用于清潔劑瓶和牛奶壺的塑料，它對(duì)當(dāng)前的回收分揀機(jī)特別具有挑戰(zhàn)性。（在美國(guó)、歐洲和中國(guó)，HDPE產(chǎn)品被列為第二大可回收物。）在依賴高光譜成像的系統(tǒng)中，成批的HDPE往往與其他塑料混合在一起，并且可能帶有紙質(zhì)或塑料標(biāo)簽，因此高光譜成像儀難以檢測(cè)其底層物品的化學(xué)成分。

相比之下，人工智能驅(qū)動(dòng)的計(jì)算機(jī)視覺(jué)系統(tǒng)可以通過(guò)識(shí)別瓶子的包裝來(lái)確定瓶子是否是HDPE材質(zhì)。這種系統(tǒng)還可以利用顏色、不透明度和形狀因子等屬性來(lái)提高檢測(cè)的準(zhǔn)確性，甚至可以按顏色或特定產(chǎn)品進(jìn)行分揀，減少所需的再處理量。雖然該系統(tǒng)不會(huì)嘗試?yán)斫鈽?biāo)簽上文字的含義，但文字也是物品視覺(jué)屬性的一部分。

我們Amp Robotics公司已經(jīng)搭建了能夠進(jìn)行這種分揀的系統(tǒng)。未來(lái)，人工智能系統(tǒng)還可以按材料組合和原始用途進(jìn)行分揀，將食品級(jí)材料與盛放家用清潔劑的容器分離，將被食品垃圾污染的紙張與干凈的紙張分離。

訓(xùn)練神經(jīng)網(wǎng)絡(luò)識(shí)別回收流中的物品并非易事。其難度比識(shí)別照片中的人臉至少高出幾個(gè)數(shù)量級(jí)，因?yàn)榭苫厥詹牧蠋缀跤袩o(wú)限多種變形方式，系統(tǒng)必須識(shí)別這些變形種類。

訓(xùn)練神經(jīng)網(wǎng)絡(luò)以識(shí)別當(dāng)今市場(chǎng)上所有不同類型的洗衣液瓶已經(jīng)很困難了，而考慮這些物品到達(dá)回收站時(shí)可能發(fā)生的物理變形，則又是一個(gè)完全不同的挑戰(zhàn)。它們可能被折疊、撕裂或壓碎?；烊肫渌锲妨鲿r(shí)，我們也許只能看見(jiàn)瓶子的一個(gè)角。液體或食品垃圾也可能會(huì)掩蓋其材質(zhì)。

我們利用了來(lái)自世界各地回收站的各類材料的圖像來(lái)訓(xùn)練我們的系統(tǒng)?，F(xiàn)在，我們公司擁有世界上最大的可用于機(jī)器學(xué)習(xí)的可回收材料圖像數(shù)據(jù)集。

利用這些數(shù)據(jù)，我們的模型可以通過(guò)識(shí)別區(qū)分不同材料的圖案和特征，以與人類相同的方式學(xué)習(xí)識(shí)別可回收物。我們會(huì)持續(xù)不斷地從使用我們系統(tǒng)的所有分揀站中收集隨機(jī)樣本，然后對(duì)其進(jìn)行注釋，將其添加到我們的數(shù)據(jù)庫(kù)中，并重新對(duì)我們的神經(jīng)網(wǎng)絡(luò)進(jìn)行訓(xùn)練。我們還會(huì)測(cè)試神經(jīng)網(wǎng)絡(luò)以找到在目標(biāo)材料上表現(xiàn)最好的模型，并對(duì)系統(tǒng)無(wú)法正確識(shí)別的材料進(jìn)行有針對(duì)性的額外訓(xùn)練。

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。例如，奶牛圖片與牛奶包裝相關(guān)聯(lián)，牛奶包裝通常是用纖維紙板或HDPE容器制成的。但奶制品也可以采用其他塑料包裝；例如，一次性牛奶瓶可能看起來(lái)像HDPE材質(zhì)的加侖壺，但通常由用于水瓶的不透明聚對(duì)苯二甲酸乙二醇酯（PET）制成。換句話說(shuō)，奶牛圖案并不總是意味著纖維或HDPE材質(zhì)。

跟蹤消費(fèi)品包裝的不斷變化也是一項(xiàng)挑戰(zhàn)。任何依靠視覺(jué)觀察來(lái)了解包裝和材料類型之間關(guān)系的機(jī)制都需要消耗穩(wěn)定的數(shù)據(jù)流，以確保對(duì)物品進(jìn)行準(zhǔn)確分類。

我們可以讓這些系統(tǒng)發(fā)揮作用。目前，我們的系統(tǒng)在某些類別上做得很好，識(shí)別鋁罐的準(zhǔn)確率超過(guò)98%，并且在區(qū)分細(xì)微差別方面也表現(xiàn)越來(lái)越好，如顏色、不透明度和初始用途（識(shí)別食品級(jí)塑料）。

既然基于人工智能的系統(tǒng)已經(jīng)準(zhǔn)備好承擔(dān)可回收物分揀工作，那么它會(huì)帶來(lái)什么變化？當(dāng)然，這會(huì)提高機(jī)器人技術(shù)的使用率，目前機(jī)器人技術(shù)在回收行業(yè)中的使用率非常低。鑒于這個(gè)枯燥、骯臟的行業(yè)長(zhǎng)期缺乏工人，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現(xiàn)有分揀流程的效果，以及我們?cè)撊绾胃倪M(jìn)它們。目前，我們對(duì)分揀站運(yùn)作效率的了解非常粗略，我們會(huì)在進(jìn)站時(shí)稱卡車的重量，在出站時(shí)稱回收物的重量。沒(méi)有任何一個(gè)分揀站能夠肯定地提供產(chǎn)品的純度；分揀站只能通過(guò)隨機(jī)打開(kāi)包件來(lái)定期審核質(zhì)量。但是，如果在分揀流程相關(guān)部分的輸入和輸出中應(yīng)用人工智能視覺(jué)系統(tǒng)，我們將獲得有關(guān)材料流向的整體視圖。全世界數(shù)百個(gè)分揀站才剛剛開(kāi)始使用這種級(jí)別的審查，它應(yīng)該能夠提高回收作業(yè)的效率。以準(zhǔn)確和一致的方式實(shí)現(xiàn)可回收物實(shí)時(shí)流向的數(shù)字化，也有助于我們更好地了解正在回收和目前沒(méi)有回收的具體可回收材料，然后找出差距，從而改進(jìn)分揀站回收系統(tǒng)的整體性能。

不過(guò)，要真正釋放人工智能在回收流程中的作用，我們需要重新思考整個(gè)分揀過(guò)程。如今，回收作業(yè)通常通過(guò)清除非目標(biāo)材料來(lái)減少混合材料流，換言之，它們做的是“否定分揀”。然而，使用帶揀選機(jī)器人的人工智能視覺(jué)系統(tǒng)，我們可以執(zhí)行“肯定分揀”，即識(shí)別工作流中的每件物品并選擇目標(biāo)材料，而不是清除非目標(biāo)材料。

可以肯定的是，我們的回收率和純度與我們的算法一樣優(yōu)秀。隨著我們的系統(tǒng)在全球獲得更多經(jīng)驗(yàn)，以及我們的訓(xùn)練數(shù)據(jù)集不斷增長(zhǎng)，相應(yīng)數(shù)字將繼續(xù)提高。我們希望最終達(dá)到100%的純度和回收率。

從更機(jī)械化的系統(tǒng)轉(zhuǎn)向人工智能具有深遠(yuǎn)意義。與粗選至80%純度，然后手動(dòng)收尾將純度提高到95%不同，分揀站可以在第一次分揀時(shí)就達(dá)到目標(biāo)純度。而且分揀機(jī)不需要針對(duì)每種材料的獨(dú)特分揀機(jī)制，只需切換算法即可改變目標(biāo)。

人工智能的使用也意味著我們可以回收因經(jīng)濟(jì)原因而長(zhǎng)期被忽視的材料。到目前為止，只有在經(jīng)濟(jì)上切實(shí)可行，分揀站才會(huì)在廢棄物流中追求最豐富的高價(jià)值物品。但是，有了對(duì)更廣泛種類的材料進(jìn)行肯定分揀的機(jī)器學(xué)習(xí)系統(tǒng)，我們可以開(kāi)始回收更加多樣性的材料，而只需支出很少費(fèi)用或不用支出費(fèi)用。這對(duì)地球很有益。

隨著我們公司的技術(shù)于2020年底在丹佛首次上線，開(kāi)始有一些基于人工智能的二次回收站投入運(yùn)營(yíng)。這些系統(tǒng)目前用于已對(duì)材料進(jìn)行過(guò)傳統(tǒng)分揀的地方，它們可尋找遺漏的高價(jià)值材料或者能夠以新方式分揀的低價(jià)值材料，從而找到新市場(chǎng)。

借助人工智能，這個(gè)行業(yè)正在逐漸減少每年被填埋的可回收物，數(shù)十億噸的可回收物代表著數(shù)十億美元和不可再生資源。

分揀中心內(nèi)部

現(xiàn)在的回收站使用的是機(jī)械分揀、光學(xué)高光譜分揀和人工作業(yè)。以下是回收卡車載著藍(lán)色垃圾箱離開(kāi)后通常會(huì)發(fā)生的情況。

卡車會(huì)在一個(gè)名為“傾倒場(chǎng)地”的混凝土基座上卸貨。前端裝載機(jī)會(huì)將大批材料鏟起，并將其傾倒在傳送帶上，速度通常為每小時(shí)30至60噸。

第一階段是預(yù)分揀。工人首先將不該放在收集車上的大型物品或有問(wèn)題的物品移走，如自行車、大塊塑料薄膜、丙烷罐和汽車變速箱。

依靠光學(xué)高光譜成像或人工的分揀機(jī)會(huì)將纖維（辦公用紙、硬紙板、雜志等大多扁平的2D產(chǎn)品）從剩余的塑料和金屬中分離出來(lái)。在光學(xué)分揀機(jī)中，攝像機(jī)會(huì)向下盯著沿傳送帶滾動(dòng)的材料，發(fā)現(xiàn)由目標(biāo)材料制成的物品，然后發(fā)送消息激活一組電子控制螺線管，將物品轉(zhuǎn)移到收集箱中。

非纖維材料會(huì)通過(guò)一個(gè)帶有密集凸輪的機(jī)械系統(tǒng)。大的物品會(huì)滑過(guò)，而小物件（比如你經(jīng)過(guò)深思熟慮后扔進(jìn)藍(lán)色垃圾箱中的可回收叉子）會(huì)悄悄溜走，直接進(jìn)入垃圾填埋場(chǎng)，因?yàn)樗鼈兲×?，無(wú)法分揀。機(jī)器也會(huì)壓碎玻璃，碎玻璃會(huì)掉入底部并被篩掉。

然后，剩余的物品會(huì)通過(guò)架空磁鐵（收集含鐵金屬制成的物品）和渦流感應(yīng)機(jī)（將非鐵金屬震動(dòng)到另一個(gè)收集區(qū)域）。

這時(shí)，大部分塑料仍然還在。更多串聯(lián)在一起的高光譜分揀機(jī)可以一次揀出一種類型的塑料，如HDPE材質(zhì)的洗滌劑瓶或PET材質(zhì)的水瓶。

最后，剩下的物品（卡車裝載垃圾的10%到30%）都將被填埋。

未來(lái)，由人工智能驅(qū)動(dòng)的機(jī)器人分揀系統(tǒng)和人工智能檢測(cè)系統(tǒng)可以取代這一過(guò)程中大多數(shù)階段所使用的人工。圖中，紅色圖標(biāo)表示由人工智能驅(qū)動(dòng)的機(jī)器人系統(tǒng)可以取代人工之處，藍(lán)色圖標(biāo)表示人工智能審計(jì)系統(tǒng)可以對(duì)分揀工作進(jìn)行最終檢查之處。