基于人工智能、機器人和云平臺的垃圾分選設備研究

劉 濤

（中國人民大學，北京 100872）

1 垃圾分選設備現狀

隨著我國社會主義現代化建設事業的發展，城市人口迅速增加，而面對每年新增的數10億噸的城市垃圾，垃圾處理問題變得日益嚴峻。通過垃圾分類回收再利用可以較好地解決這一問題。目前，固體廢棄物垃圾回收工廠，主要通過尺寸篩分、空氣分選、液體浮選、彈跳分選、磁分選、渦流分選和傳感器氣流分選等技術進行分選。人工分選是目前垃圾分選中不可缺少的環節，用來挑選那些機械分選無法識別的大尺寸目標物以及各機械式分選工藝之后的進一步質量控制，以獲得更高純度的垃圾回收物。人工分選存在分選效率低、工作環境差、對工人身體健康存在傷害等問題，迫切需要一種智能分選設備來替代人工分選，從而滿足垃圾回收利用和社會進步的需要。

國外發達國家環保產業起步早，對智能垃圾分選相關技術的研發投入相對較大，目前有幾家公司推出了相對比較成熟的智能垃圾分選設備。芬蘭ZenRobotics公司于2011年開發出了一款垃圾分選設備，將2D相機、金屬探測器和重量計安裝在機器人上。通過傳感器所采集的綜合數據作為反饋，將垃圾按照材質從輸送帶上進行分選，如金屬、木頭、石塊和塑料等，能在混雜的建筑垃圾中識別出可回收利用物品，并將其進行分類。2016年12月，ZenRobotics首次進入中國市場，但是由于國內垃圾分選的實際狀況和國外垃圾分選的狀況不同，在市場推廣過程中遇到了一些問題。美國Bulk Handing System（BHS）公司用于垃圾分選的Max-AI機器人，將Delta機器人、攝像頭以及人工智能視覺識別技術運用在垃圾分類上，大大提高了市政回收站的工作效率。Max-AI機器人具有深度自主學習的能力，采用計算機視覺系統識別材料，并使用人工智能進行分類，分辨出同材質垃圾之間的差別進行針對性識別，最終用機器人拾取特定材料。

近年來，隨著我國科技的進步，國內部分高校、研究所、企業開始投入精力，進行智能垃圾分選設備的研發。其中，DataBeyond公司（弓葉科技）將人工智能、機器視覺、光譜分析、機器人、云平臺等技術融合應用于垃圾分選設備，首次實現了實際垃圾處理工廠的落地。通過深度學習算法和視覺系統可對各類物品進行鑒別，識別金屬、木材、石膏、石塊、混凝土、塑料和紙板等20余種可回收垃圾，并可根據物體的大小、價值和位置來確定分選的優先級。同時，利用工業互聯網和人工智能技術，設備數據不間斷地上傳至云平臺，通過現場數據的實時采集、分析和模型的不斷優化迭代，讓垃圾分選設備的智能化水平不斷提升。

2 關鍵技術

2.1 人工智能

近年來，人工智能的浪潮席卷全球，被稱為下一個時代的開創技術。2006年，人工智能專家欣頓教授首次提出深度學習概念；2015年11月，谷歌公司發布第二代機器學習系統TensorFlow，并對代碼開源；2016年1月，谷歌旗下公司研發的計算機圍棋程序“AlphaGo”在競賽中以5比0的成績戰勝了歐洲圍棋冠軍樊麾，這是有史以來第一次，計算機程序在不讓子的情況下，在圍棋游戲中擊敗人類專業高手。人工智能的熱潮方興未艾，而深度學習無疑是其中最成功的領域之一，在人臉識別、語音識別、缺陷檢測等方面取得了巨大的成功。

隨著深度學習的飛速發展，部分公司開始嘗試將這一技術用于環保行業，利用人工智能和機器人來代替人工進行垃圾分選。在相當長的時間內，由于垃圾分類非常復雜，物體的形狀、顏色、材料等物理參數不確定，粘連和遮掩情況是普遍現象，因此傳統的視覺識別方式無法對目標物的類型和材質做出有效判斷，識別效率、準確率均不理想。當采用人工智能和深度學習的方法之后，情況發生了變化。系統通過機器視覺掃描輸送帶上的垃圾流，將圖像信息傳輸至總控單元，利用已經訓練好的深度神經網絡模型對圖像進行分析，可以精確識別出待分選垃圾的材質和類型。最多可以區分石塊、木頭、塑料、紙板、織物等20余種可回收垃圾，準確率高達95%以上。甚至可以根據物品的大小、價值和位置確定分選的優先級，控制分選機器人對物料進行抓取，大大提高了可回收物的價值和回收工廠的利潤水平。

同時，使用人工智能的方式進行垃圾分選，不僅解決了識別的準確性問題，而且提高了系統的靈活性。對于從事垃圾回收的企業來說，市場需求、價格和法律規定等因素會發生變化，不斷對企業提出新的分選要求，因此系統的靈活多變性非常重要，必須能夠快速響應新的需求。當設備正常運行一段時間后，如果分類要求發生了改變，操作者就可以通過簡單的標注和訓練，輕松地按照新要求、利用指導設備進行分選，而不需要仔細研究視覺與算法等專業性的知識，大大降低了設備操作者的使用門檻和技術要求，提高了系統的靈活性和易用性。

2.2 機器人

工業機器人是智能制造領域不可缺少的關鍵設備。隨著《中國制造2025》的發布以及中國制造業整體的轉型升級，智能制造加速發展，工業機器人成為最熱門的領域之一。根據GGII的數據統計，國內機器人銷量從2016年的8.5萬臺，猛增至2018年的15.64萬臺，且預計在2020年國內機器人銷量將達到17.9萬臺。《中國機器人產業發展報告2018》顯示,過去6年我國機器人市場平均增長率接近30%。在人工智能垃圾分選領域，機器人是最重要的組成部分之一，負責按照系統的指令，對垃圾目標物進行抓取，其性能直接影響垃圾分選的效率和穩定性。對于不同的應用場景和不同的垃圾類型，一般分為針對建筑垃圾的重型垃圾分選設備以及針對生活垃圾的輕型垃圾分選設備兩種類型。重型垃圾分選設備一般采用大行程、大負載的直角坐標機器人，跨度通常在2 m以上，最大負載20～30 kg，最快抓取速度30次/分鐘；而輕型垃圾分選設備一般采用Delta機器人，通常為工作范圍1.6 m，負載1 kg，最快抓取速度60次/分鐘。無論采用哪種結構的機器人，在機器人設計和選型的過程中，有3個問題都必須格外關注。一是機器人速度和精度必須滿足要求，只有速度足夠快、精度足夠高，才能夠實現快速、準確抓取，提高工作效率；二是針對不同的應用場景，必須配備合適的末端夾具，而且要充分考慮防撞、防阻塞以及形狀不規則物體的抓取穩定性問題；三是機器人控制問題，機器人必須對輸送帶進行實時、快速跟蹤，從而實現準確在線實時跟蹤抓取。

2.3 多傳感器融合

與其他工業領域的分選應用場景不同的是，垃圾分選現場的環境更加惡劣和復雜，物體表面臟污、落灰嚴重，類型千變萬化，尤其是陳腐垃圾，利用“深度學習+2D圖片”進行分析的方式，有些情況下無法對其材質做出準確判斷，需要輔助其他的檢測方式。MIT的RoCycle機器人采用“視覺+觸覺”的方式進行材質識別，先通過視覺掃描物體進行判斷，再通過觸覺傳感器來確定當前垃圾的材質類型。Databeyond公司的垃圾分選機器人可根據實際需要，增加3D相機、光譜儀、金屬探測器等對材質進行綜合判斷，以適應國內復雜的垃圾現場環境和不同的客戶需求。

2.4 云平臺

近年來，在企業數字化轉型和工業4.0浪潮的推動下，工業互聯網云平臺發展非常迅猛，在金屬加工、機械裝配、風力發電等多個行業取得了不錯的進展。在美國，Predix是GE公司推出的全球第一個專為工業數據分析開發的云服務平臺，將機器設備與云服務連接，通過數據分析可以幫助公司進行設備故障預測和整體健康程度評估。在國內，阿里云、樹根互聯、航天云網、海爾等企業分別以某些行業為切入點，打造出具有一定通用性的工業互聯網云平臺，除故障診斷外，還提供生產管理、工藝優化、資產管理、采購協同、金融服務等多種功能，充分挖掘工業大數據背后的潛在價值。

在人工智能垃圾分選領域，工業云平臺同樣重要。通過實時采集各分選設備機器人和傳感器的現場數據，可以實現垃圾分選設備的實時運行狀況監控，實現對機器人的故障診斷和預測性維護；所有分選設備采集的圖片也會不斷地返回云平臺中，進行自動標注或人工標注，不斷對AI模型進行訓練和優化，以提高設備的智能化程度；同時，隨著數據量的增加，通過挖掘垃圾分選大數據可以產生商業價值，帶來額外的經濟效益。更進一步，如果將人工智能和云平臺技術完全融合到垃圾回收工廠的作業體系中，實現與整個作業體系的融合，就不僅能夠實現垃圾的自動分選，還能夠成為整個垃圾回收工廠的大腦，對各種機器人及其他處理設備進行統一操控，對整廠物流進行實時分析，自動做出決策，從而最終實現整個垃圾回收工廠的智能化生產和運營。

3 結 語

垃圾問題已經成為我國城市發展面臨的嚴峻問題，而人工智能垃圾分選設備的應用才剛剛起步，設備產品的產業化和批量推廣都需要一個過程。未來，隨著各地政府對垃圾資源再生利用重視程度的提升以及人工智能、機器人等新技術的進一步發展，相信人工智能垃圾分選設備將會逐漸成為一個趨勢，從而深度影響環保行業的發展，為我國的綠水青山做出貢獻。