|
前階段被垃圾分類(lèi)的話(huà)題洗腦了，“你是什么垃圾”這樣的靈魂拷問(wèn)據說(shuō)已是網(wǎng)絡(luò )社交新話(huà)題。 “小龍蝦的干濕之分”、“扔一杯奶茶分四步走”或是戲謔，也是嚴謹的討論。既是段子也是真實(shí)《條例》。無(wú)論是居民還是企業(yè)都需要嚴肅認真的對待這個(gè)新挑戰。那么在這個(gè)領(lǐng)域，AI能夠做什么事情呢？ 今天我們將探討一下國內外諸多垃圾分類(lèi)解決方案/產(chǎn)品中AI的影子。 1. 垃圾分揀機器人 作為工業(yè)機器人領(lǐng)域的一個(gè)分支，在目前垃圾分類(lèi)場(chǎng)景中，垃圾分揀機器人是相對成熟的，同時(shí)也是巨頭的戰場(chǎng)，主要由國外科技公司主導。 像是著(zhù)名的芬蘭機器人ZenRobotics Recycler、英國的Green Recycling，美國也有“MAX-AI”。產(chǎn)品設計上來(lái)說(shuō)，基本上大同小異，都由幾個(gè)類(lèi)似模塊組成：垃圾初步過(guò)濾模塊；垃圾掃描模塊；垃圾快速識別模塊；揀選機械臂模塊；分類(lèi)后垃圾傳輸模塊。 下圖為芬蘭ZenRobotics Recycler識別模塊的界面：中間傳送履帶上都是各類(lèi)垃圾，不同的顏色代表不同的垃圾，同時(shí)還有各個(gè)垃圾的輪廓，同時(shí)展示了機械臂實(shí)時(shí)狀態(tài)下的目標（PICKING APPROACH）；這里混合了紅外圖像識別、自然光圖像識別、并且給出了輪廓和運動(dòng)方向上的矢量數據。 直觀(guān)上看，至少用到了目標檢測算法（Object Dection），顯著(zhù)性檢測算法（Saliency Dection）,分類(lèi)算法，目標跟蹤（Object Tracking）。在機器準確識別了垃圾的類(lèi)別、形狀、移動(dòng)速度，不同類(lèi)別的垃圾，也可以讓高速精確的機械臂調整握力。作為芬蘭、乃至世界范圍內部署最早，可訓練的垃圾分揀機器人，以其對建筑垃圾高達98%的識別率，極大的提升了垃圾分揀效率。 圖：ZenRobotics操作界面 資料顯示，一個(gè)ZenRobotics機器手可以高精度分揀4種不同性質(zhì)的垃圾碎片，有效分揀率可達98%，最高分揀速度3000次/小時(shí)，工作時(shí)間24小時(shí)/天。 然而，由于缺少前端的任何分類(lèi)，國內的垃圾成分更復雜，ZenRobotics到了國內，也有些水土不服，但是其可訓練（trainable）的特性，讓其也能逐步本地化，針對中國垃圾特點(diǎn)進(jìn)行軟件升級。 2. 智能垃圾桶 另外一個(gè)AI應用于垃圾分類(lèi)的是智能垃圾桶。但是，這個(gè)領(lǐng)域魚(yú)龍混雜，已經(jīng)出現的真正用的AI技術(shù)的智能垃圾桶并不多。國內廠(chǎng)商大多數還停留在增加各類(lèi)外部組件（安卓屏、攝像頭、二維碼掃描）的階段。真正比較典型的利用AI技術(shù)產(chǎn)品化的嘗試有國外的TrashBot垃圾桶、基于Oscar AI垃圾分類(lèi)系統的垃圾桶。 圖：TrashBot試驗機 圖：Oscar 智能垃圾桶商業(yè)版 這類(lèi)產(chǎn)品都是使用相機和超聲波傳感器來(lái)實(shí)現目標對象的識別 。通過(guò)攝像頭抓拍物品，AI算法然后專(zhuān)注于辨別他們手中的物品，以非常高的準確度預測垃圾是哪個(gè)類(lèi)型，并通過(guò)屏幕告訴用戶(hù)將其投入正確的垃圾箱。 據稱(chēng)：Oscar通過(guò)數百萬(wàn)張圖像和傳感器數據來(lái)快速訓練，即使拿著(zhù)的香蕉已經(jīng)變成褐色，仍然可識別成香蕉，并扔入正確的垃圾箱。 圖：Oscar效果展示 3. 智能垃圾車(chē) 如果垃圾箱更智能，分揀中心也更智能，那么很自然地就會(huì )希望轉運器(中間點(diǎn))也更智能。這是創(chuàng )建人工智能智能廢物管理和處理車(chē)輛的幾個(gè)倡議背后的推動(dòng)力，包括由南加州大學(xué)(USC)發(fā)起的智能物聯(lián)網(wǎng)集成聯(lián)盟——I3。 通過(guò)將垃圾車(chē)與全市范圍內的傳感器和攝像機系統連接起來(lái)，使垃圾車(chē)可獲知最可靠和最有效的路線(xiàn)，同時(shí)還能獲得進(jìn)行進(jìn)一步戰略行動(dòng)所需的數據。I3未來(lái)在智能垃圾車(chē)上的應用包括給清掃隊的涂鴉加上標簽，以及檢測垃圾箱外的垃圾。 4. AI增強垃圾管理 100%有效的廢物管理是使我們更接近真正的循環(huán)經(jīng)濟的一個(gè)基本因素，在這種經(jīng)濟中，每一種資源的最大價(jià)值都得到提取，同時(shí)產(chǎn)生的廢物和長(cháng)期生態(tài)影響也最小。在任何情況下，縮小當前回收和廢物處理工作與行業(yè)目標狀態(tài)之間的差距，都需要對每一個(gè)操作步驟所涉及的數據進(jìn)行全面的概述，而人工智能正開(kāi)始幫助我們實(shí)現這一目標。隨著(zhù)對現有數據有了更深入的理解，廢物管理生態(tài)系統的每個(gè)部分的操作者都可以對我們如何處理各種形式的廢物做出正確的決定。 而作為一家專(zhuān)注于將人工智能賦能到各個(gè)行業(yè)、各個(gè)領(lǐng)域的科技公司，偶數科技核心AI平臺產(chǎn)品Littleboy對AI在垃圾分類(lèi)、廢物利用領(lǐng)域也進(jìn)行了探索，同時(shí)已經(jīng)正式開(kāi)展了通過(guò)圖像識別進(jìn)行河道污染治理這類(lèi)環(huán)保領(lǐng)域的工作。 利用河道現場(chǎng)照片數據訓練污染對象識別模型、圖片分類(lèi)模型后，將河道監控視頻流接入LittelboyAI服務(wù)集群，進(jìn)行實(shí)時(shí)監控，一旦發(fā)現河面有漂浮垃圾、樹(shù)葉枯枝聚集，立刻推送給城市監控系統，提升了河道漂浮物打撈效率。 （此文轉自技皆知） |
