垃圾分拣分出2000亿新风口？现实还需更狂野的想象

　　距离《上海市生活垃圾管理条例》的正式生效，已过去了整整半个月。各种垃圾分类段子走红网络时，“尚存理智”的一部分人提出：垃圾分类“强制时代”等同于新一轮来势凶猛的“风口”，给诸如智能平台、环卫设备、处理终端等领域带来了转型、优化的机会。

　　行业人士估计，环卫产业未来将达到2000亿市场。在国外，有实力的公司已抢先布局，高校与实验室加大研发投入，国内也有一波企业瞄准这一应用领域，积极寻求落地。

　　国外抢先入局赛道

　　国外市面上的分拣机器人所使用的方法主要是利用视觉分析系统对物品进行跟踪和分类，包括FANUC的分拣机器人Waste Robot、AMP Robotics、美国BHS的MAX-AI、芬兰的ZenRobotics回收机等。

FANUC的分拣机器人Waste Robot

　　其中，AMP Robotics在美国部署了24套类似系统，预计到今年年底，这一数字将翻番；Waste Robot已与政府废品管理进行合作，离正式应用又近了一步。

　　2017年11月27日，日本垃圾处理公司Shitara Kosan就引进了芬兰的ZenRobotics的机器人垃圾分拣系统并已经投产。同年中国江苏绿和环境科技有限公司也同ZenRobotics签署了合作协议，引进了相同配置的分类机器人。

　　MIT最近和耶鲁大学联合开发了一款分拣机器人RoCycle，与一般分拣机器人不同的是，这款机器人借助软体手使用触觉来检验材料。

　　研究人员表示，视觉分析系统在进行分拣时可能会出现误差，比如在分辨两个外表几乎一致但材料不同的物体时，视觉分析系统很可能将两种材料归为一类，而触觉系统就像人类即使闭着眼睛也能够大致分辨出手中所拿的物体是什么。对于分拣机器人来说，触觉比视觉更加有效。

　　国内初见落地曙光

　　意识到刚需，我国也在积极投身到垃圾分拣机器人的研制应用当中。

　　2017年，航天科技集团一院18所基于神经网络搭建的环卫垃圾分拣及智能机器人深度学习平台调试成功，开发了国内第一台环卫垃圾分拣机器人。虽然这台机器人还没有实现产业化，但对于产业的发展起到推动作用。

　　在浙江杭州天子岭静脉产业园区，坐落着一座装修垃圾资源利用一体化工厂。工厂内机器人在生产流水线上快速、持续、准确地抓取垃圾待分拣物质。工作环境清洁整齐，全流程智能化操作，每年可消化约10万吨建筑垃圾。

　　打通从居民端对垃圾误投放进行追踪，到小区清运端的可回收垃圾智能分类，再到垃圾工厂端的垃圾分类的“前中后三个端口”。

　　在居民端，弓叶科技的智能垃圾箱配备了多种传感器，这些传感器将垃圾图像发送云端。垃圾清运中心就能够及时监控信息，优化清运垃圾的路线或时间表，快捷高效地拾取垃圾，从而保证了不同规模小区的清理效率。

　　在小区端，运用配备了并联机器人的轻型垃圾分选设备，以及人工智能回收系统“保捷PORCHE-AI S2.0”，利用摄像机向云端大脑传递影像信息，机器学习算法识别出传送带上的废弃物，机械臂就会对其进行快速分拣。

轻型垃圾分选设备PORCHE-AI S2.0

　　在垃圾工厂端，某公司研制了重型垃圾分选设备，安装了人工智能回收系统“澎湃POWER-AI S2.0”，能够对建筑垃圾进行分类，可以分选重达30kg的物体，并按照操作人员设定，将垃圾分成金属、木头、石头、塑料等多种不同材质，然后将回收物投入循环利用。

重型垃圾分选设备POWER-AI S2.0

　　“目前，工业科技人工智能轻型垃圾分选设备能够达到90％以上的分类准确率，可以7天*24小时连续不间断工作，每小时可以执行4000次分选，远高于人类每小时2400次的平均值。弓叶科技重型垃圾分选设备每小时可以执行2000次分选，远远超过人工分选效率。”莫卓亚说道。

　　难点丛生路漫漫

　　然而，垃圾分拣的技术难度和实际工况，比想象的要复杂恶劣太多。

　　机器人用于垃圾分类时，一般需要满足一些先决条件，如被分拣对象的相对标准化。目前看来，一是垃圾分类还未实现标准化，机器人能够达到多高的智能水平有待继续开发，软硬件难以兼容；二是即便技术可以实现，也要考虑实际应用的成本。

　　莫卓亚指出：“垃圾分拣设备其实是光机电视觉一体化的综合运用。首先依靠成熟的感知技术，比如传感器、计算机视觉等等，让每个环节流通的垃圾和行为都能被数据化。同时，为了让识别的准确率足够高，必须要进行一定的数据积累与训练。”

　　目前看来，基于神经网络的算法进行图像分类，算法比较成熟，但是对足够量的训练图片集有着非常大的需求。由于神经网络算法是一种数据驱动的方法，对训练样本数据量及质量要求较高，数据量越大，识别判断越精准。每一类垃圾数据集的图片量越大，精准度就越高。

　　在完成垃圾检测的图像数据集后，就可以利用当前主流的深度学习检测算法来实现批量垃圾的分类。和垃圾分类器一样，一个理想的垃圾检测器，需要大量的“垃圾”标注数据来支撑。但是与分类数据集相比，检测数据集除了标注类别外还要标注图位置坐标，这样的标注工作更为艰巨，也成为当前最大的挑战之一。

　　莫卓亚进一步指出：“垃圾分类所涉及的环节对实时动态数据的监测和处理要求非常高，无论是在垃圾倾倒时的实时甄别，车辆行进路线的合理控制，还是垃圾工厂的实时反馈，整个过程都需要大数据的支持。”

垃圾处理云平台

　　此外，大负载、大行程的高速分选机器人的控制技术也是个难点。最终，机器人控制、边缘计算和云端处理的综合联动才能成就这个庞大的设备。

　　最后，结合垃圾分拣工艺，分拣设备的材料强度须非常高，同时耐腐蚀，经得起真空高压，以及抵挡垃圾在其中的刮擦。

　　除了技术瓶颈外，更现实的一个难题在于“成本和效益”。勃肯特董事长王岳超指出，去年做过一个案例，但到现在还没推广起来，问题就在于终端客户还不能接受如此高昂的成本。

　　梅卡曼德CEO邵天兰也认为：“垃圾分类的单位价值太低了，一个机器人忙活一天，算起来没多少价值。这样的需求，在有限的、简化的场景中做个demo相对来说比较容易，但是要经济、稳定的实用起来很难。”

　　投资过环卫企业的峰瑞资本副总裁马睿也表示，垃圾分类是不是风口还不确定，要看是否会有新的商业模式。

　　阿拉丁智能创始人何孝珍强调：“没有人机协作的社区垃圾分类，在我国是行不通的。智能机器人如何与垃圾分拣链条融合，才是真命题。”

　　可以预见的是，人工分拣将被机器智能分拣逐步取代。垃圾处理将真正成为流水线作业，利用AI进行识别，并将识别结果交给流水线上的机器人或者机械手臂进行分拣，最终将分拣的不同类别的垃圾交由垃圾处理厂进行再回收、焚烧、净化、生物分解等方式处理。

　　莫卓亚笑言：“AI垃圾分类的大面积普及或许还很遥远，但未来依然值得期待。每个人都必须与时代共同成长，从这个角度来说，我们非常幸运，不仅见证了中国垃圾分类的历史，也深度参与了这一段历史，用技术变革传统行业。”

　　未来，随着5G网络的普及，实时的数据收集、分析和模型优化会让AI的效能变得更强，为垃圾分拣机器人提供云+端+边缘计算的综合保障。