基于人工智能、机器人和云平台的垃圾分选设备研究

刘 涛

（中国人民大学，北京 100872）

1 垃圾分选设备现状

随着我国社会主义现代化建设事业的发展，城市人口迅速增加，而面对每年新增的数10亿吨的城市垃圾，垃圾处理问题变得日益严峻。通过垃圾分类回收再利用可以较好地解决这一问题。目前，固体废弃物垃圾回收工厂，主要通过尺寸筛分、空气分选、液体浮选、弹跳分选、磁分选、涡流分选和传感器气流分选等技术进行分选。人工分选是目前垃圾分选中不可缺少的环节，用来挑选那些机械分选无法识别的大尺寸目标物以及各机械式分选工艺之后的进一步质量控制，以获得更高纯度的垃圾回收物。人工分选存在分选效率低、工作环境差、对工人身体健康存在伤害等问题，迫切需要一种智能分选设备来替代人工分选，从而满足垃圾回收利用和社会进步的需要。

国外发达国家环保产业起步早，对智能垃圾分选相关技术的研发投入相对较大，目前有几家公司推出了相对比较成熟的智能垃圾分选设备。芬兰ZenRobotics公司于2011年开发出了一款垃圾分选设备，将2D相机、金属探测器和重量计安装在机器人上。通过传感器所采集的综合数据作为反馈，将垃圾按照材质从输送带上进行分选，如金属、木头、石块和塑料等，能在混杂的建筑垃圾中识别出可回收利用物品，并将其进行分类。2016年12月，ZenRobotics首次进入中国市场，但是由于国内垃圾分选的实际状况和国外垃圾分选的状况不同，在市场推广过程中遇到了一些问题。美国Bulk Handing System（BHS）公司用于垃圾分选的Max-AI机器人，将Delta机器人、摄像头以及人工智能视觉识别技术运用在垃圾分类上，大大提高了市政回收站的工作效率。Max-AI机器人具有深度自主学习的能力，采用计算机视觉系统识别材料，并使用人工智能进行分类，分辨出同材质垃圾之间的差别进行针对性识别，最终用机器人拾取特定材料。

近年来，随着我国科技的进步，国内部分高校、研究所、企业开始投入精力，进行智能垃圾分选设备的研发。其中，DataBeyond公司（弓叶科技）将人工智能、机器视觉、光谱分析、机器人、云平台等技术融合应用于垃圾分选设备，首次实现了实际垃圾处理工厂的落地。通过深度学习算法和视觉系统可对各类物品进行鉴别，识别金属、木材、石膏、石块、混凝土、塑料和纸板等20余种可回收垃圾，并可根据物体的大小、价值和位置来确定分选的优先级。同时，利用工业互联网和人工智能技术，设备数据不间断地上传至云平台，通过现场数据的实时采集、分析和模型的不断优化迭代，让垃圾分选设备的智能化水平不断提升。

2 关键技术

2.1 人工智能

近年来，人工智能的浪潮席卷全球，被称为下一个时代的开创技术。2006年，人工智能专家欣顿教授首次提出深度学习概念；2015年11月，谷歌公司发布第二代机器学习系统TensorFlow，并对代码开源；2016年1月，谷歌旗下公司研发的计算机围棋程序“AlphaGo”在竞赛中以5比0的成绩战胜了欧洲围棋冠军樊麾，这是有史以来第一次，计算机程序在不让子的情况下，在围棋游戏中击败人类专业高手。人工智能的热潮方兴未艾，而深度学习无疑是其中最成功的领域之一，在人脸识别、语音识别、缺陷检测等方面取得了巨大的成功。

随着深度学习的飞速发展，部分公司开始尝试将这一技术用于环保行业，利用人工智能和机器人来代替人工进行垃圾分选。在相当长的时间内，由于垃圾分类非常复杂，物体的形状、颜色、材料等物理参数不确定，粘连和遮掩情况是普遍现象，因此传统的视觉识别方式无法对目标物的类型和材质做出有效判断，识别效率、准确率均不理想。当采用人工智能和深度学习的方法之后，情况发生了变化。系统通过机器视觉扫描输送带上的垃圾流，将图像信息传输至总控单元，利用已经训练好的深度神经网络模型对图像进行分析，可以精确识别出待分选垃圾的材质和类型。最多可以区分石块、木头、塑料、纸板、织物等20余种可回收垃圾，准确率高达95%以上。甚至可以根据物品的大小、价值和位置确定分选的优先级，控制分选机器人对物料进行抓取，大大提高了可回收物的价值和回收工厂的利润水平。

同时，使用人工智能的方式进行垃圾分选，不仅解决了识别的准确性问题，而且提高了系统的灵活性。对于从事垃圾回收的企业来说，市场需求、价格和法律规定等因素会发生变化，不断对企业提出新的分选要求，因此系统的灵活多变性非常重要，必须能够快速响应新的需求。当设备正常运行一段时间后，如果分类要求发生了改变，操作者就可以通过简单的标注和训练，轻松地按照新要求、利用指导设备进行分选，而不需要仔细研究视觉与算法等专业性的知识，大大降低了设备操作者的使用门槛和技术要求，提高了系统的灵活性和易用性。

2.2 机器人

工业机器人是智能制造领域不可缺少的关键设备。随着《中国制造2025》的发布以及中国制造业整体的转型升级，智能制造加速发展，工业机器人成为最热门的领域之一。根据GGII的数据统计，国内机器人销量从2016年的8.5万台，猛增至2018年的15.64万台，且预计在2020年国内机器人销量将达到17.9万台。《中国机器人产业发展报告2018》显示,过去6年我国机器人市场平均增长率接近30%。在人工智能垃圾分选领域，机器人是最重要的组成部分之一，负责按照系统的指令，对垃圾目标物进行抓取，其性能直接影响垃圾分选的效率和稳定性。对于不同的应用场景和不同的垃圾类型，一般分为针对建筑垃圾的重型垃圾分选设备以及针对生活垃圾的轻型垃圾分选设备两种类型。重型垃圾分选设备一般采用大行程、大负载的直角坐标机器人，跨度通常在2 m以上，最大负载20～30 kg，最快抓取速度30次/分钟；而轻型垃圾分选设备一般采用Delta机器人，通常为工作范围1.6 m，负载1 kg，最快抓取速度60次/分钟。无论采用哪种结构的机器人，在机器人设计和选型的过程中，有3个问题都必须格外关注。一是机器人速度和精度必须满足要求，只有速度足够快、精度足够高，才能够实现快速、准确抓取，提高工作效率；二是针对不同的应用场景，必须配备合适的末端夹具，而且要充分考虑防撞、防阻塞以及形状不规则物体的抓取稳定性问题；三是机器人控制问题，机器人必须对输送带进行实时、快速跟踪，从而实现准确在线实时跟踪抓取。

2.3 多传感器融合

与其他工业领域的分选应用场景不同的是，垃圾分选现场的环境更加恶劣和复杂，物体表面脏污、落灰严重，类型千变万化，尤其是陈腐垃圾，利用“深度学习+2D图片”进行分析的方式，有些情况下无法对其材质做出准确判断，需要辅助其他的检测方式。MIT的RoCycle机器人采用“视觉+触觉”的方式进行材质识别，先通过视觉扫描物体进行判断，再通过触觉传感器来确定当前垃圾的材质类型。Databeyond公司的垃圾分选机器人可根据实际需要，增加3D相机、光谱仪、金属探测器等对材质进行综合判断，以适应国内复杂的垃圾现场环境和不同的客户需求。

2.4 云平台

近年来，在企业数字化转型和工业4.0浪潮的推动下，工业互联网云平台发展非常迅猛，在金属加工、机械装配、风力发电等多个行业取得了不错的进展。在美国，Predix是GE公司推出的全球第一个专为工业数据分析开发的云服务平台，将机器设备与云服务连接，通过数据分析可以帮助公司进行设备故障预测和整体健康程度评估。在国内，阿里云、树根互联、航天云网、海尔等企业分别以某些行业为切入点，打造出具有一定通用性的工业互联网云平台，除故障诊断外，还提供生产管理、工艺优化、资产管理、采购协同、金融服务等多种功能，充分挖掘工业大数据背后的潜在价值。

在人工智能垃圾分选领域，工业云平台同样重要。通过实时采集各分选设备机器人和传感器的现场数据，可以实现垃圾分选设备的实时运行状况监控，实现对机器人的故障诊断和预测性维护；所有分选设备采集的图片也会不断地返回云平台中，进行自动标注或人工标注，不断对AI模型进行训练和优化，以提高设备的智能化程度；同时，随着数据量的增加，通过挖掘垃圾分选大数据可以产生商业价值，带来额外的经济效益。更进一步，如果将人工智能和云平台技术完全融合到垃圾回收工厂的作业体系中，实现与整个作业体系的融合，就不仅能够实现垃圾的自动分选，还能够成为整个垃圾回收工厂的大脑，对各种机器人及其他处理设备进行统一操控，对整厂物流进行实时分析，自动做出决策，从而最终实现整个垃圾回收工厂的智能化生产和运营。

3 结 语

垃圾问题已经成为我国城市发展面临的严峻问题，而人工智能垃圾分选设备的应用才刚刚起步，设备产品的产业化和批量推广都需要一个过程。未来，随着各地政府对垃圾资源再生利用重视程度的提升以及人工智能、机器人等新技术的进一步发展，相信人工智能垃圾分选设备将会逐渐成为一个趋势，从而深度影响环保行业的发展，为我国的绿水青山做出贡献。