在一个星期二的晚上，你家门前的蓝色大垃圾桶里装满了报纸、纸板、瓶子、易拉罐、铝箔托盘和空酸奶杯。您可能会觉得自己正在尽自己的一份力量来减少浪费。但在冲洗酸奶杯并将其扔进垃圾桶后，您可能再也不会想它了。在美国的许多地方和欧洲的大部分地区，回收利用的真相值得深思。次日早上，回收桶内的物品会被倒入货车，送往回收站进行分类。大多数材料将被加工并最终用于新产品。但更多的垃圾最终作为垃圾进入垃圾填埋场。那么进入普通垃圾桶的材料有多少避免了填埋？虽然没有广泛可用的数据，但在回收便利的国家，这个数字（称为“回收率”）平均在70%到90%左右。这个结果似乎也不算太糟。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品最终被扔进了垃圾桶——美国的这一比例为32%，而全球这一比例为10%至15%。也就是说，许多用有限资源制成的材料被不必要地浪费了。我们必须做得更好。由于分拣可回收物的价格下跌，以及中国2018年限制进口许多回收材料并将大多数原产于美国的可回收物拒之门外，回收行业目前正面临金融危机。有一种方法可以帮助我们做得更好。使用计算机视觉、机器学习和机器人技术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。我们位于科罗拉多州路易斯维尔的公司AmpRobotics正在开发软件和硬件来对可回收物进行分类，这些软件和硬件依赖于比传统系统具有更高准确性和回收率的图像分析。其他公司也在采取类似的方法，将人工智能和机器人技术应用于回收，例如BulkHandlingSystems、Machinex和Tomra。迄今为止，全球已有数百个分拣站采用了这项技术。扩大它的使用范围可以防止浪费，并通过将可回收物远离垃圾填埋场来保护环境，使它们更容易再加工和再利用。在探讨人工智能将如何改善回收利用之前，我们可以先了解一下过去回收材料的分类方式，以及当今世界大部分地区的分类方式。回收始于1960年代，当时要求消费者进行分类，例如将报纸放在一捆中，将纸板放在另一捆中，将玻璃和罐头放在不同的垃圾箱中。事实证明，这对许多人来说太麻烦了，并且限制了回收材料的收集量。在20世纪70年代，许多城市取消了多个垃圾箱并用一个垃圾箱取而代之，并在下游进行分类。这种“单流”回收方式的参与度越来越高，现在已成为发达国家的主要回收方式。将分拣任务向下游移动导致分拣站的建设。回收企业家改造采矿和农业设备以进行准确分类，并在必要时补充人力。这些分拣系统不使用计算机智能，而是依靠材料的物理特性来分离它们。例如，玻璃被打碎成小块，然后进行筛选和收集。既硬又轻的纸板在一系列机械凸轮盘上滑动，而其他密度更大的材料则落在这些盘之间。可以使用磁性将黑色金属与其他材料分离；使用大涡流也可以在铝等有色金属物品中感应出磁性。在1990年代，由NASA开发并于1972年首次在卫星上发射的高光谱成像技术在商业上变得可行，并开始出现在回收领域。与主要看到红色、绿色和蓝色组合的人眼不同，高光谱传感器能够将图像分成更多的光谱带。这项可以区分不同类型塑料的技术改变了回收行业，将光学传感和计算机智能引入回收过程。此外，已经开发出可编程光学分选机来分离纸制品，例如，报纸与垃圾邮件。因此，现在大多数分类都是自动化的。这些系统的分选纯度通常为80%至95%，即不应有5%至20%的回收物。然而，要使回收物有利可图，分选纯度必须在95%以上；低于这个阈值，它的价值就会下降，而且通常一文不值。结果，人工清理了各种工作流程，在材料被压缩和包装以供运输之前挑选出分类错误的物品。尽管有自动和手动分拣，进入分拣站的材料中仍有大约10%到30%最终进入垃圾填埋场。大多数时候，这些材料中有一半以上是可回收且有价值的，但只是被错过了。我们已将现有系统推向极限。只有人工智能才能做得更好。将人工智能引入回收业务意味着将拾放机器人与精确的实时物体检测相结合。在制造业中，取放机器人与计算机视觉系统相结合用于抓取特定物体，但它们通常只是在受控照明条件下反复寻找单个物品或少量形状已知的物品。然而，回收中涉及的物品以种类、形状和方向千变万化的方式沿着传送带向下移动，需要近乎即时的识别并将新轨迹快速分配给机械臂。2016年，我们公司首先在科罗拉多州的一个分拣站利用人工智能从其他可回收物品中挑选出空纸箱；今天，我们已经在超过25个州和六个国家安装了此类系统。虽然我们不是第一家试验AI分拣的公司，但该技术以前从未商业化过。我们已经稳步扩大了我们的系统可以识别和分类的可回收物的类型。理论上，人工智能可以完全基于图像分析以接近100%的准确度从混合材料流中回收所有可回收物。人工智能分拣系统只要能看到物品，就能准确分拣。以高密度聚乙烯(HDPE)为例，这是一种常用于洗涤剂瓶和牛奶罐的塑料，这对当前的回收分拣机来说尤其具有挑战性。（在美国、欧洲和中国，HDPE产品被列为第二大可回收产品。）在依赖高光谱成像的系统中，批次的HDPE通常与其他塑料混合，并且可能包含纸或塑料标签，因此它是高光谱成像仪很难检测其底层物品的化学成分。相比之下，人工智能驱动的计算机视觉系统可以通过识别瓶子的包装来确定瓶子是否为HDPE。这样的系统还可以使用颜色、不透明度和形状因素等属性来提高检查的准确性，甚至可以按颜色或特定产品进行分类，从而减少所需的再处理量。虽然系统不会尝试理解标签上文字的含义，但文字也是商品视觉属性的一部分。我们AmpRobotics已经构建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，将食品级材料从家用清洁剂容器中分离出来，将被食物垃圾污染的纸张从干净的纸张中分离出来。训练神经网络识别回收流中的物品并非易事。这至少比识别照片中的人脸困难几个数量级，因为回收材料变形的方式几乎是无限的，而系统必须识别这些变形。训练神经网络识别当今市场上所有不同类型的洗衣粉瓶已经很困难，但考虑到这些物品到达回收箱时可能发生的物理变形是一个完全不同的挑战。它们可能会被折叠、撕裂或压碎。当与其他物品流混合时，我们可能只能看到瓶子的一角。液体或食物垃圾也可能掩盖其质地。我们用来自世界各地回收箱的各种材料的图像对我们的系统进行了训练。我们公司现在拥??有世界上最大的可用于机器学习的回收材料图像数据集。使用这些数据，我们的模型可以通过识别区分不同材料的模式和特征，以与人类相同的方式学习识别可回收物品。我们使用我们的系统不断从所有分拣站收集随机样本，对其进行注释，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。我们还测试神经网络以找到在目标材料上表现最佳的模型，并对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，神经网络倾向于学习错误的东西。例如，奶牛的图片与牛奶包装相关，牛奶包装通常由纤维板或HDPE容器制成。但乳制品也可以用其他塑料包装；例如，一次性牛奶瓶可能看起来像HDPE加仑水壶，但通常由与水瓶相同的不透明聚对苯二甲酸乙二醇酯(PET)制成。换句话说，奶牛图案并不总是意味着纤维或HDPE。跟踪消费品包装的不断变化也是一项挑战。任何依赖视觉观察来理解包装和材料类型之间关系的机制都需要消耗稳定的数据流，以确保物品的准确分类。我们可以让这些系统工作。我们的系统目前在某些类别中表现非常出色，识别铝罐的准确率超过98%，并且在区分颜色、不透明度和原始用途（识别食品级塑料）等细微差别方面也越来越好。既然基于人工智能的系统已经准备好承担可回收物的分类工作，它会带来什么变化？当然，这会增加机器人的使用，目前在回收行业中机器人的使用率很低。鉴于这个沉闷、肮脏的行业长期缺乏工人，自动化是一条值得追求的道路。人工智能还可以帮助我们了解现有分拣流程的执行情况以及我们如何改进它们。现在，我们对分拣站的运作效率有一个非常粗略的了解，我们在卡车进站时称重，在出站时对回收物称重。没有一个分选站可以确定产品的纯度；分拣站只能通过随机打开包裹来定期检查质量。然而，如果人工智能视觉系统应用于分拣过程相关部分的输入和输出，我们将全面了解材料的去向。全球数百个分拣站才刚刚开始使用这种级别的审查，它应该会提高回收作业的效率。以准确一致的方式将可回收物的实时流量数字化，还有助于我们更好地了解当前正在回收和未回收的具体可回收物，然后找出可以提高分拣站回收系统整体性能的差距。然而，要真正在回收过程中释放人工智能的力量，我们需要重新思考整个分类过程。今天的回收操作通常通过去除非目标材料来减少混合材料流，换句话说，他们进行“负面分类”。然而，使用带有拾取机器人的人工智能视觉系统，我们可以执行“正向分类”，识别工作流程中的每个项目并选择目标材料，而不是移除非目标材料。您可以确信我们的回收率和纯度与我们的算法一样好。随着我们的系统在全球范围内获得更多经验以及训练数据集的增长，这些数字将继续改善。我们希望最终达到100%的纯度和回收率。从更加机械化的系统转向人工智能具有深远的影响。分拣站无需粗加工到80%的纯度，然后手动精加工到95%的纯度，而是在第一次分拣时就可以达到目标纯度。并且分拣机不需要对每一种物料都采用独特的分拣机制，只需切换算法来改变目标即可。人工智能的使用还意味着我们可以回收长期以来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情况下，分拣站才会寻找废物流中数量最多的高价值物品。但是有了机器学习系统可以对更多种类的材料进行积极分类，我们可以开始以很少的成本或免费回收更多种类的材料。这对地球有好处。随着我们公司的技术于2020年底首次在丹佛投入使用，一些基于人工智能的二级回收站开始投入运营。这些系统目前用于传统上对材料进行分类的地方，它们可以通过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来找到新市场。在人工智能的帮助下，该行业正在逐步减少每年进入垃圾填埋场的可回收物数量，数十亿吨可回收物代表数十亿美元和不可再生资源。目前分拣中心内的回收箱采用机械分拣、光学高光谱分拣和人工分拣。以下是回收卡车带着蓝色垃圾箱离开后通常会发生的情况。卡车在称为“垃圾场”的混凝土基座上卸货。前端装载机铲起大量材料并将它们倾倒到传送带上，通常以每小时30至60吨的速度倾倒。第一阶段是预分类。工人们首先移走不应放在收集车上的大型或有问题的物品，例如自行车、大片塑料薄膜、丙烷罐和汽车变速箱。纤维（主要是平面二维产品，如办公用纸、纸板、杂志等）依靠光学高光谱成像或人工分拣机会与剩余的塑料和金属分离。在光学分拣机中，摄像头向下观察沿着传送带滚动的材料，找到由目标材料制成的物品，然后发送一条消息以激活一组电子控制的螺线管，将物品转移到收集箱中。非纤维材料通过带有密集凸轮的机械系统。较大的物品会滑过，而较小的物品（比如您若有所思地扔进蓝色垃圾箱的那个可回收叉子）会溜走，直接送到垃圾填埋场，因为它们太小无法分类。该机器还会压碎落到底部并被筛出的玻璃。剩下的物品然后通过高架磁铁（收集黑色金属制成的物品）和涡流感应机器（将有色金属振动到另一个收集区域）。此时，大部分塑料仍然存在。更多串联的高光谱分拣机一次可以分拣一种塑料，例如HDPE洗涤剂瓶或PET水瓶。最后，剩下的——卡车装载量的10%到30%——被运往垃圾填埋场。未来，由人工智能驱动的机器人分拣系统和人工智能检查系统可以在流程的大部分阶段取代人工。图中，红色图标表示人工智能驱动的机器人系统可以替代人类的地方，蓝色图标表示人工智能审计系统可以对分类工作进行最终检查的地方。
