“你是什么垃圾?”
“用過的紙巾是否可以回收?”
“遇見‘垃圾分類我來’的男人就嫁了吧”……
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)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。
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)ㄖM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。
“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。”莫卓亞說道。
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。每一類垃圾數(shù)據(jù)集的圖片量越大,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。”
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。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。
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。”
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,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)。”
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。
(原標題:垃圾分揀分出2000億新風口?現(xiàn)實還需更狂野的想象)