人工智能机器人已经准备好为你的可回收物品分类了

今天是星期二晚上。在你的房子前面放着一个蓝色的大箱子，里面装满了报纸、纸板、瓶子、罐头、铝箔外卖托盘和空酸奶盒。你可能觉得自己很高尚，认为自己在尽自己的一份力量减少浪费。但当你冲洗完酸奶容器并把它扔进垃圾桶后，你可能不会再想太多了。

美国许多地区和欧洲大部分地区回收垃圾的事实发人深省。明天早上，回收箱里的垃圾将被倒进卡车，送往回收站进行分类。大部分材料将被加工，并最终用于新产品。但其中很多最终会被扔进垃圾填埋场。

---

那么，进入垃圾箱的材料中有多少能避免进入垃圾填埋场呢?对于那些在路边回收垃圾的国家来说，这个数字——回收率——似乎平均在70%到90%左右，尽管没有广泛的数据。这看起来还不错。但在一些城市，这一比例可能低至40%。

更糟糕的是，只有一小部分可回收物品被扔进垃圾桶——在美国只有32%，在全球只有10%到15%。很多材料都是由有限的资源制成的，而这些材料都被不必要地浪费了。

我们必须做得更好。目前，回收行业正面临着一场金融危机，这要归功于分类回收物的价格下跌，以及中国在2018年颁布的政策，该政策限制了许多用于回收的材料的进口，并将大多数源自美国的可回收物拒之门外。

有办法做得更好。利用计算机视觉、机器学习和机器人来识别和分类回收材料，我们可以提高自动分拣机的准确性，减少人工干预的需要，并提高整体回收率。

我的公司,Amp机器人该公司正在开发硬件和软件，依靠图像分析对可回收物进行分类，其精度和回收率远远高于传统系统。其他公司也同样致力于将人工智能和机器人应用于回收，包括散装装卸系统，Machinex,Tomra．迄今为止，该技术已被安装在世界各地的数百个分拣设施中。扩大它的使用将防止浪费，并通过使可回收物远离垃圾填埋场，使它们更容易再加工和再利用来保护环境。

AMP机器人

在我解释之前人工智能将如何改善回收，让我们看看过去回收材料是如何分类的，以及今天世界上大部分地区是如何分类的。

当回收在20世纪60年代开始时，分类的任务落到了消费者的身上——报纸放在一捆，纸板放在另一捆，玻璃和罐头放在各自的箱子里。事实证明，这对许多人来说太麻烦了，并限制了可回收材料的收集量。

在20世纪70年代，许多城市取消了多个垃圾箱，取而代之的是一个集装箱，分类工作在下游进行。这种“单一流”回收促进了参与，现在它是发达国家回收的主要形式。

把分拣的任务转移到下游，导致了分拣设施的建设。为了进行实际的分类，回收企业家从采矿业和农业行业改装了设备，并在必要时加入人力。这些分类系统没有计算机智能，而是依靠材料的物理特性来进行分类。例如，玻璃可以被打碎成小块，然后筛选和收集。硬纸板坚硬且轻便——它可以在一系列机械凸轮状圆盘上滑动，而其他密度更大的材料则落在圆盘之间。黑色金属可以从其他材料中磁分离出来;磁性也可以在有色金属中诱发，如铝，使用大涡流。

到20世纪90年代，由美国宇航局开发并于1972年首次通过卫星发射的高光谱成像技术开始具有商业可行性，并开始出现在回收领域。人类的眼睛主要看到红、绿、蓝的组合，而高光谱传感器则不同，它将图像划分为更多的光谱波段。亚博排列五投注网站这项技术区分不同类型塑料的能力改变了回收商的游戏规则，不仅将光学传感技术引入了回收过程，还将计算机智能引入了回收过程。可编程光学分拣机也被开发出来用于分离纸制品，比如区分报纸和垃圾邮件。

所以今天，大部分的分类都是自动化的。这些系统通常排序到80%到95%的纯度——也就是说，5%到20%的输出不应该在那里。然而，要想生产出有利可图的产品，纯度必须高于95%;低于这个阈值，价值就会下降，通常会一文不值。因此，人类会手动清理每条流，在材料被压缩和打包运输之前挑出散落的物体。

尽管进行了自动化和人工分类，但进入工厂的材料中，仍有大约10%到30%最终进入了垃圾填埋场。在大多数情况下，超过一半的材料是可回收的，是有价值的，但只是被遗漏了。

我们已经将现有的系统推向了极致。只有人工智能能做得更好。

让人工智能进入回收行业意味着将拾取放置机器人与精确的实时物体检测相结合．拾起并定位机器人结合计算机视觉系统使用在制造业要抢特定的对象但他们通常只是重复地寻找一件物品，或者在受控的照明条件下寻找几件形状已知的物品。回收然而，这涉及到在传送带上移动的物体的种类、形状和方向的无限变化，需要几乎即时的识别，并快速向机械臂发送新的轨迹。

基于人工智能的系统引导机械臂从混合可回收物中抓取材料，并将它们放入正确的垃圾箱中。图中，一个串联机器人系统在Waste Connections回收设施中运行(上)，一个机械臂(下)回收一块瓦楞纸板。美国在纸板方面做得很好:根据美国森林和造纸业协会的数据，2021年，91.4%的废弃纸板被回收。AMP机器人

我的公司在2016年首次开始使用人工智能从其他可回收物中提取空纸箱在科罗拉多州的一个设施;今天，我们在美国25个州和6个国家安装了系统。我们不是第一家尝试人工智能排序的公司，但它之前没有被商业使用过。我们的系统能够识别和分类的可回收物种类也在稳步扩大。

人工智能在理论上可以完全基于图像分析，以接近100%的精度从混合材料流中回收所有可回收物。如果一个基于人工智能的排序系统可以看到一个对象，它就可以准确地对它进行排序。

考虑到当今回收分拣机的一种特别具有挑战性的材料:高密度聚乙烯(HDPE)，一种通常用于洗涤剂瓶和牛奶壶的塑料。(在美国、欧洲和中国，HDPE产品被列为第二大可回收物。)在一个依赖于高光谱成像的系统中，HDPE往往与其他塑料混合在一起，并且可能有纸或塑料标签，这使得高光谱成像仪很难检测出底层物体的化学成分。

相比之下，人工智能驱动的计算机视觉系统可以通过识别包装来确定瓶子是HDPE而不是其他东西。这样的系统还可以使用颜色、不透明度和形状因子等属性来提高检测精度，甚至可以根据颜色或特定产品进行排序，从而减少所需的再处理量。尽管该系统并不试图理解标签上文字的含义，但这些文字是商品视觉属性的一部分。

我们在AMP机器人公司已经建立了可以进行这种分类的系统。未来，人工智能系统还可以根据材料组合和原始用途进行分类，使食品级材料从装有家用清洁剂的容器中分离出来，将被食物垃圾污染的纸张从干净的纸张中分离出来。

训练神经网络在回收流中检测对象并不容易。这至少比在照片中识别人脸具有几个数量级的挑战性，因为可回收材料可以以几乎无限多种方式变形，而系统必须识别排列。

训练一个神经网络来识别当今市场上所有不同类型的洗衣液瓶子已经很困难了，但当你考虑到这些物体到达回收设施时可能发生的物理变形时，这是一个完全不同的挑战。它们可以折叠、撕破或打碎。一个瓶子混入一堆其他物体中，可能只有一个角落可见。液体或食物残渣可能会使材料模糊。

我们通过向系统提供来自世界各地回收设施的每一类材料的图像来训练系统。我的公司现在拥有世界上最大的可回收材料图像数据集，用于机器学习。

利用这些数据，我们的模型学会以与人类相同的方式识别可回收物，通过发现区分不同材料的模式和特征。我们不断地从所有使用我们系统的设施中收集随机样本，然后对它们进行注释，将它们添加到我们的数据库中，并重新训练我们的神经网络。我们还测试我们的网络，以找到在目标材料上表现最好的模型，并对我们的系统无法正确识别的材料进行有针对性的额外训练。

一般来说，神经网络很容易学习错误的东西。奶牛的图片与牛奶包装有关，牛奶包装通常是用纤维纸盒或高密度聚乙烯容器制作的。但乳制品也可以用其他塑料包装;例如，单次饮用的牛奶瓶可能看起来像加仑罐的HDPE，但通常是由用于水瓶的PET(聚对苯二甲酸乙二醇酯)的不透明形式制成的。换句话说，奶牛并不总是意味着纤维或高密度聚乙烯。

还有一个挑战是要跟上消费者包装的不断变化。任何依靠视觉观察来了解包装和材料类型之间联系的机制都需要消耗稳定的数据流，以确保物体被准确分类。

但是我们可以让这些系统工作。目前，我们的系统在某些类别上做得非常好——在铝罐上的准确率超过98%——并且在区分颜色、不透明度和初次使用(发现那些食品级塑料)等细微差别方面越来越好。

现在,基于ai系统已经准备好接受你的可回收物品，事情会发生什么变化呢?当然，它们将促进机器人的使用，目前机器人在回收行业的使用很少。考虑到这个枯燥又肮脏的行业永远缺乏工人，自动化是一条值得走的道路。

人工智能还可以帮助我们了解目前现有的排序流程的效果如何，以及我们如何改进它们。今天，我们对分拣设施的运行效率有一个非常粗略的了解——我们在进入时称卡车的重量，在离开时称产量。没有任何设备可以确定地告诉你产品的纯度;他们只是通过随机拆包定期检查质量。但是，如果你在分类过程的相关部分的输入和输出上放置一个人工智能驱动的视觉系统，你就能全面了解哪些材料在哪里流动。这种级别的审查才刚刚开始，在世界各地的数百个设施中，它应该会提高回收操作的效率。能够精确和一致地将可回收物的实时流数字化，也为更好地了解哪些可回收材料目前正在回收，哪些未被回收提供了机会，然后确定缺口，使设施能够全面改善其回收系统。

挑选混合塑料的分拣机器人AMP机器人

但要真正释放人工智能在回收过程中的力量，我们需要重新思考整个分类过程。如今，回收操作通常通过去除非目标材料来减少混合材料流到目标材料——换句话说，他们做了一种“负分类”。相反，使用人工智能视觉系统和机器人拾取器，我们可以执行“正向排序”。我们不是删除非目标材料，而是识别流中的每个对象并选择目标材料。

可以肯定的是，我们的回收率和纯度取决于我们的算法。随着我们的系统在世界上获得更多的经验，以及我们的训练数据集继续增长，这些数字将继续提高。我们期望最终达到100%的纯度和回收率。

从更机械的系统转向人工智能的影响是深远的。相比于粗略地分类到80%的纯度，然后手动清理到95%的纯度，一个设备可以在第一次通过时达到目标纯度。而且，分拣机不需要一个独特的分拣机制来处理每种类型的材料，只需在算法中切换一个开关，就可以改变目标。

人工智能的使用也意味着我们可以回收长期因经济原因而被忽视的材料。到目前为止，只有在经济上可行的设施，才能在废物流中追求最丰富、高价值的项目。但是有了机器学习系统，它可以对更广泛的材料进行正排序，我们可以开始在业务开销很小或没有开销的情况下捕获更大的材料多样性。这对地球有好处。

我们开始看到一些基于人工智能的二次回收设施投入运营，Amp的技术将于2020年底首次在丹佛上线。这些系统目前用于已经通过传统分类的材料，寻找被遗漏的高价值材料或可以以新方式分类的低价值材料，从而发现新的市场。

多亏了人工智能，该行业开始逐渐减少每年最终被扔进垃圾填埋场的可回收物堆积如山——这座大山包含数十亿吨可回收物，这意味着数十亿美元的损失和不可再生资源的浪费。

本文发表在2022年7月的印刷版上，题为“AI Takes a Dumpster Dive”。