视觉 AI 系统，能否解史上最严“垃圾分类”阵痛？

史上最严垃圾分类措施已来。

　　文：张栋 

　　在各类民生问题被管理得井井有条的同时，“垃圾分类”问题近期却让上海市民伤透脑筋。

　　据悉，自今年 7 月 1 日起，上海市将正式实施 《上海市生活垃圾管理条例》。条例规定，个人混合投放垃圾今后可最高罚 200 元，单位混装混运最高可罚至 5 万元，而且违规还将会列入征信，堪称“史上最严垃圾分类措施”。

　　以上还只是相关政策实施落地的前菜。

　　今天（6 月 25 日），固体废物污染环境防治法修订草案已经初次提请全国人大常委会审议，草案对“生活垃圾污染环境的防治”进行了专章规定。

　　草案提出，国家推行生活垃圾分类制度。县级以上地方人民政府应当采取符合本地实际的分类方式，加快建立生活垃圾分类投放、分类收集、分类运输、分类处理的垃圾处理系统，实现垃圾分类制度有效覆盖。

　　该草案的提出、通过，也将意味着生活垃圾分类制度即将入法。

　　政策易下发，落实难到位

　　垃圾分类，看似是微不足道的“小事”，实则关系到 13 亿多人生活环境的改善，理应提倡。

　　与此同时，不同于闯红灯的罚钱扣分，生活垃圾的分类缺乏统一标准，由于种类繁多，大多人在具体分类时会“选择困难”，由此，便会造成政策下发，落实不到位的问题。

　　譬如在上海，新的条例将垃圾分为可回收物、有害垃圾、干垃圾、湿垃圾，也就是说，以后会有四个不同的垃圾桶来收集不同类型的垃圾。有意思的是，从过去一段时间上海市民的真实反馈来看，大多数人对于自己所提垃圾的“最佳归属”不太确定，以至站在垃圾桶前迟迟不能做出决定。

　　藉由此，有人提出，在 AI 浪潮滚滚而来赋能各业的今天，是否能够引入信誉机制，利用 AI 摄像头助力垃圾分类。

　　针对这个方案，瑞为 CEO 詹东晖明确表示不妥。

　　“之前也有客户找过我们提出了类似需求，不过我们团队认真分析下来，一致认为依靠 AI 视觉技术去区分垃圾的分类，无论是从技术上还是可操作性上来看都不太靠谱。”

　　他解释，通常来说，家庭生活垃圾一般都会一起装进垃圾袋，然后扔进垃圾桶。但人们在扔垃圾的时候，机器也无法将塑料袋一个个依次打开，然后利用图像分析技术去确认垃圾分类是否正确。

　　即便每个人都愿意把塑料袋打开，从图像分析技术角度出发，也很难做到精准分析，因为这需要大量的数据去做训练，否则可用性不大。

　　与此同时，他也提到了两个相比之下，比较可行的方案。

一、根据垃圾袋的颜色区分不同的垃圾，机器只要确保同样颜色的垃圾袋扔到所属的垃圾桶中即可。

“这个方案还是考验人们的自觉性。从技术应用角度看，这样做的意义不大，没有起到严格垃圾分类的目的，因为垃圾袋颜色对了，不代表里面的垃圾是对的。”

二、参考日本等国家，在机场等公共场合设立垃圾分类示范区。

在机场、车站等场合，大多数人不会产生太多垃圾，很多人只会丢一个空瓶子、一张面巾纸或者一些瓜皮果屑，如果针对这些试点区域去做一些技术应用，从而培养用户习惯，目前来看有一些可行性。

　　对于第二种方案，码隆科技首席科学家黄伟林也比较认可。

　　他说，垃圾往往属于商品的极端变形体，情况比较特殊。目前的技术在视觉可见的基础上，是可以做到垃圾分类报警提醒的，比如判断垃圾是否是经过分类整理的。

　　至于是否能够直接进行视觉检测并分类，且达到某种效果，需要更多的数据和实验支撑才能判断这件事情的可行性。

　　“如果目标群体不大，可以做一些尝试。目前，我们聚焦于 AI 商品识别领域的研发，主要是通过摄像头检测商品，在这一过程中，也会经常遇到需要识别一些易于遮挡、折叠、变形的柔性物体，且识别效果不错。”

　　针对垃圾分类，AI 的一些神操作

　　不止于中国，其实垃圾分类一直是让各个国家头疼的老问题。

　　针对这个问题，全球很多 AI 人都曾贡献过他们的智慧。雷锋网此前曾报道，国外 Intuitive AI 公司曾推出了一款名为 OSCAR 的垃圾分类系统。

　　该系统通过机器视觉进行垃圾分类；另外，它还能通过对 OSCAR 收集的垃圾数据进行数据分析，并向企业出售有关用户在特定地点消费习惯数据。

　　OSCAR 是 Intuitive AI 公司推出的一个用于垃圾分类的智能系统，该系统拥有一块 32 英寸显示屏和智能摄像头。

　　OSCAR 通过机器学习算法，可以识别用户手中的物品，并可以告诉用户接下来该如何处理（分别将其中哪些部分扔到哪个垃圾桶里）。

　　Intuitive AI 首席执行官 Hassan Murad 表示，通过大量学习，该系统已经可以识别数千类垃圾，并将其分为几百个不同的类别，目前，该系统仍在继续训练中。

　　有意思的是，OSCAR 还加入了语音功能，当用户按照 OSCAR 的提示正确分类扔到相应垃圾桶后，OSCAR 会发出类似“Good job!”的语音提示，并会在显示屏上放出礼花（confetti）画面，显示电影票或购买食物的优惠码；如果用户将垃圾放错位置，OSCAR 则会在屏幕上显示暗红色的标志，并发出抱怨的声音，提示用户垃圾放错了位置。

　　该解决方案主要面向对象为小区、机场、学校、企业园区等应用场景。OSCAR 已经在加拿大温哥华机场、西蒙弗雷泽大学等地进行落地。

　　其实，在这个拥有摄像头和显示屏的 OSCAR 之前，Intuitive AI 还曾推出过一个同样名为 OSCAR 的「智能垃圾桶」概念产品。

　　旧版 OSCAR 其实相对而言更“高级”，可以将用户丢入的垃圾通过机器视觉自动识别，并进行分类放到内置的两个垃圾箱中。

　　旧版 OSCAR 可以通过 WiFi 连接到家庭网络，配备运动传感器，可以检测到用户何时需要扔东西；内部拥有经过 ImageNet 数据集预训练的数据模型/算法，图像识别系统通过数码相机实时检测，垃圾并进行分类；设备顶部也可以通过 LED 等显示分类结果，如果未能识别出垃圾类别，也可以通过 LED 显示红色，随后可以通过两个按钮（「可回收」和「不可回收」）进行人工分类。

　　这一产品此前也曾在 2018 年 7 月上线 kickstarter 众筹平台进行众筹，但是最终 Intuitive AI 取消了众筹，相关产品也并未量产商用。

　　据 Venturebeat 报道称，主要原因在于，他们认为这样的产品不能很好地教育用户，无法培养用户正确的生活（垃圾处理）习惯和环保意识。

　　OSCAR 之外，类似的产品还有很多。

　　譬如专门从事人工智能控制机器人系统的科技公司 ZenRobotics。它基于人工智能的视觉分析系统的 ZenRobotics 垃圾回收设备 (ZRR) 是全球首个机器人垃圾分类系统，可对同一位置的多种碎物进行分类 。

　　它的工作方式为 ZRR 传感器单元扫描垃圾流，ZRR 大脑识别各种材料、物体和抓取位置，ZRR 大脑控制软件分析数据和控制机器人，ZRR 智能抓取器可选取所需的物体。

　　ZRR 根据垃圾种类的不同：建筑拆迁垃圾、木材垃圾、运输垃圾、纺织垃圾和废金属垃圾进行了不一样的设计。

　　ZRR 可对重达 30 公斤的大型重物进行分离，每小时选取次数最高可达 4,000 次。一天就可以处理 2000 吨垃圾，相当于 48 个人的工作量。与人工相比，30 万吨的年处理量使用机器人分拣可提升 40% 的效率。

　　再譬如数控系统公司 FANUC。他们曾出品过一款明星产品 FANUC LRMate 200iD。它的特点在于具备对垃圾精细的辨别和分析能力。例如，分析出木材的质量，分辨出聚合物和塑料的区别等。

　　FANUC 为分拣机器人设计了一套废旧物品自动回收技术，由人工智能（多层神经网络）及分拣系统组成。视觉系统用于获取物品的视觉信息，下一步便是利用人工智能对物品进行鉴别。根据物品的化学成分、大小、价值和位置来确定分拣的优先级，确保取得最优结果；判断完毕后，机器人便可进行分拣。

　　人工智能大潮下，面向C端如何用低成本的硬件来培养用户习惯，面向B端和G端又如何提供更多附加价值或持续迭代价值，这些都是现在的 AI 人需要思考的问题。

　　就垃圾分类问题来看，以上几款产品的出现，或许能为我国的垃圾分类 AI 系统的诞生提供一定的参考价值。

 

1

0

来自: 雷锋网（ID: leiphone-sz）