智能化垃圾分類發展現狀及趨勢分析

侯文晶，武文淼，孫玉婷，劉 慶，李玫丹

（天津師范大學，天津 300387）

0 引 言

隨著圖像智能識別、人工智能、大數據分析以及云計算等技術的發展，智能化垃圾分類研究逐漸成熟。其中，最核心的垃圾分類算法結構不斷得到優化與創新，盡管生活垃圾種類在日益增多，但分類精確率仍處于較高水平。目前，我國一些城市的社區已經開始引進智能垃圾分類回收系統，使用率極高，得到了積極的反響。智能設備的出現，使得城市生活垃圾的分類、回收更加精細，居民的垃圾分類意識有了一定提高，對于有效解決我國垃圾處理問題具有重要意義。

1 智能化垃圾分類簡介

垃圾分類[1]是指根據一定的規范和準則，將垃圾分類存放、投放或搬運，并將其轉換為一種公共資源。正確實施垃圾分類能夠提高垃圾的利用率，減少有害垃圾對人類的危害，降低對環境資源的破壞。垃圾分類在我國受到重視，隨著科學技術的發展，大量智能垃圾分類裝置如雨后春筍般層出不窮。智能化垃圾分類是指在“互聯網+”的基礎上進行技術應用升級，將垃圾分類與人工智能相結合，利用圖象識別、智能算法、云計算、大數據分析等技術，建立垃圾智能分類智慧平臺，實時進行智能識別與分析，完成垃圾的正確投放與處理。搭建后臺監管平臺，實時掌控數據，從源頭上保證垃圾的正確分類，充分利用資源，減少環境污染。

2 智能化垃圾分類發展現狀

在垃圾分類智能化領域，國外一些發達國家研究較早，技術較為成熟，并且許多公司已開發出較為成熟的分類設備，如[2]美國CleanRobotics 公司的Transhbot、芬蘭Zen Robotics 公司的ZenRobotics 機器人、日本Fanuc 公司的Waste Robot 等。近年來，我國科學技術研究水平不斷提高，特別是云計算、大數據分析、機器人控制等核心技術不斷發展，智能化垃圾分類市場逐漸打開，垃圾分類智能設備開始投入使用，如廣東弓葉科技有限公司的Picking AI 等，填補了我國目前在智能垃圾分類領域的空白。

如今，中國的生活垃圾數量持續增長，為垃圾分類產業創造了龐大的市場，垃圾分類政策的落實和智能技術的迅速發展，也為其發展奠定了堅實的基礎。中國智能垃圾分類行業進入了高速發展階段。根據調查數據顯示，2020 年我國智能垃圾分類市場規模已達約92 億元，并且在政策的鼓勵下，我國垃圾分類企業呈指數型增長，2015 年僅有2.5 萬家，而到2020 年，已達到150 萬家。

目前，智能化垃圾分類所涉及的技術包括圖象識別、智能算法、大數據分析、云計算等，須依托智能監控、樹莓派、傳感器等設備。當前，部分企業在技術開發和應用方面有著堅實的基礎和深厚的技術積累，研制出了各種類型的設備。比如Intuitive AI 公司[3]開發的Oscar 系統，其利用圖象處理技術能夠在垃圾圖象識別后指導使用者正確處理。為實現更豐富的功能，滿足生活需求，技術研究領域仍需不斷創新，已有眾多研究者將多種技術應用在垃圾分類設備上，例如，徐愛蘭等人提出應用超聲波技術[4]對垃圾桶狀態進行監測，提高設備的適用性。

實現垃圾分類智能化最基本的技術是完成垃圾圖像的自動分類。過去傳統的垃圾圖像分類是在輸入圖像信息后，人工提取圖像特征信息，手寫算法完成特征學習進而得到分類結果。如，吳健等人采用傳統計算機視覺方法，手工提取圖像特征完成簡單的垃圾分類[5]。但手工提取的圖像特征較為簡單，無法實現精確的圖像比對，無法滿足如今日益增多的生活垃圾細致分類的需求。得益于人工智能的高速發展，在深度學習基礎上實現的垃圾圖像分類技術逐步得到發展應用。垃圾分類深度算法多選用ResNet 殘差網絡為基本模型，構建卷積網絡結構，提取圖像的多層特征信息。以下列舉了4 種分類準確率較高的算法：

（1）多級特征加權融合的垃圾分類算法[6]：該算法基于ResNet[7]殘差網絡，利用ResNet18 作為骨干網絡建立多個分支網絡，從圖像中抽取各層面的特征信息，并分別利用固定加權和自適應加權進行融合，從而獲得更準確的數據。

（2）改進ResNet-50 的垃圾分類算法[8]：該算法增設了圖像預處理步驟，首先通過高斯濾波方法對圖像進行濾波操作，然后采用多尺度高斯函數卷積方法提取光照分量，最后利用二維Gamma 進行矯正，完成圖像預處理。圖像分類算法將ResNet-50 作為基本結構，采用Leaky ReLU 函數代替ReLU 函數作為激活函數，并且改變BatchNormalize 層和激活函數層的位置，完成結構優化，提高算法分類精度。

（3）基于殘差結構和幻象模塊的垃圾分類算法[9]：該算法將ResNet18 作為基礎網絡，以減少網絡參數量。使用幻象模塊代替殘差學習中的普通卷積，構造幻象殘差學習單元，利用幻象學習單元列疊構成G-ResNet 網絡。

（4）基于SSD 的垃圾分類算法[10]：該算法利用SSD 網絡結構完成對圖像的特征提取，進而構建特征金字塔網絡，得到預測結果。

算法處理方式比較見表1 所列。

表1 算法處理方式比較

隨著新技術的提出，新材料的研發以及新結構的不斷涌現，垃圾分類智能設備層出不窮，其中，智能分類垃圾桶是目前市場上使用最多、研發熱度最高的智能設備。智能分類垃圾箱主要依托傳感器、實時監控器、樹莓派等設備，借助圖象識別與處理、智能算法、大數據分析等技術，將數據所含信息進行分析，與輸入程序信息進行比對，判斷投入垃圾桶的垃圾種類，正確分類，并實時監測垃圾桶存物狀態，及時進行桶滿提醒。

同時，各大公司積極增設特色服務功能，譬如深圳市某公司開發的第六代人工智能垃圾分類系統中，增設了獎勵機制。使用者登錄設備后，設備會對垃圾投放行為進行判斷，給予投放分類正確的使用者獎品，激勵更多正確垃圾投放行為產生[11]。另有一些智能垃圾分類設備運用智能識別與智能撿拾技術，增設自動撿拾分類功能。通過圖像識別分析出垃圾種類后，聯動機械手臂自動撿拾，并進行正確分類，減少人力勞動。各類特色功能使得智能垃圾分類設備滿足人們的需求，提高了居民的垃圾分類意識，但未來仍需進一步促進我國垃圾分類事業的發展。

3 智能化垃圾分類發展趨勢

智能垃圾分類設備打破了傳統的回收方式。縱觀市面上現存的智能垃圾分類設備，主要以垃圾智能回收箱為主，依托互聯網、大數據、物聯網等技術，可完成識別、自動稱重、平臺管理、數據檢測等功能。而智能分類機器人在此基礎上進行了技術創新與完善，從垃圾處理源頭出發，自主完成垃圾的撿拾與分類，能夠降低人工撿拾的危險性。并且智能分揀機器人的工作效率比普通的人工分揀效率高1 倍，在智能技術不斷更新換代的今天，智能分揀機器人將是今后的發展趨勢。

對于垃圾分類而言，目前所具備的圖象識別技術已經能夠滿足大類的分選，但在未來更高端的應用場景，或許需要對材料進行更精確的細分，例如區分布料中的尼龍、滌綸、棉麻等，則要用到高光譜相機成像技術[12]。成像光譜學是實現高光譜圖像的重要手段，它將光譜分光技術與光學成像技術相結合，可根據光譜的不同對其進行成分分析，從而達到較高的分類精度。高光譜照相技術在智能垃圾分類中的應用，將成為今后智能化垃圾分類發展中的一個重要研究領域。

此外，生活垃圾在短短幾天的儲存過程中，會產生大量垃圾滲濾液，對土壤和大氣造成嚴重污染，滲濾液處理需求增大。因此，在需求的刺激下，得益于人工智能、大數據分析等技術的提升，滲液濾處理行業有望得到發展。

4 結 語

在新時代背景下，綠色、智能成為人們追求的主題，科學技術的不斷創新推動了智能化的發展，從垃圾處理的“源頭”到“末端”逐漸實現智能化。垃圾分類智能化順應時代發展潮流，不僅提高了垃圾分類的效率，還可以增強人們對垃圾分類的認識，有益于推進我國城市化建設進程。