隨著上海步入“垃圾”分類時代，上海寧日常生活從廣場舞、買菜、炒股變成圍著垃圾轉，其他46個重點城市居民也開始“人心惶惶”。9012了，垃圾分類這么困難的事兒，AI能不能代勞呢？今天創(chuàng)投君分享的這篇文章，將帶大家了解AI在垃圾分類產業(yè)鏈貢獻的“超能力”，但是萬事俱備，只欠……

自從上海開始推行垃圾分類之后，被逼瘋的上海人已經成為廣大網友的快樂噴泉，貢獻了不少段子和表情包。據說有人開車前往杭州和蘇州倒垃圾，還有很多實在搞不懂分類的外地“學渣”扛不住壓力直接回老家了……

上海人民快為之頭疼的時候，前一秒還覺得“雨女無瓜”，忙著 “哈哈哈哈哈”的網友很快就被現(xiàn)實五雷轟頂了：

反抗是不可能反抗的。人固有一死，或死在上海的垃圾堆里，或死在其他45個城市的垃圾堆里?？傊?，誰都別想亂扔垃圾！

未雨綢繆的我現(xiàn)在吃個東西，都要下意識對著它思考一番——你究竟是什么垃圾？

不過往好處想，9012了，垃圾分類這么困難的事兒，AI能不能給代勞一下啊~

你已經是一個成熟的AI了，

該學會自己分類了

垃圾分類實在是一個不怎么美妙的話題，種類多，嚴苛的日本垃圾政策就有34種分類，每天扔哪種垃圾都有明確的規(guī)定，錯過時間還可能遺留在家里。

而且產業(yè)鏈條很長，后續(xù)的收運、流通、處置都是很難看到的。所以對于剛剛起步的地區(qū)來說，產生“我分了類但垃圾車還不是一輛車一鍋端走”的質疑簡直太正常不過了。

總之，任何一個環(huán)節(jié)斷掉了，都會直接影響垃圾分類的最終效果。

幸好，AI技術的興起，已經能夠為這項全球工程貢獻一份力量了。

目前來看，AI可以在產業(yè)鏈全程提供助力：

1.前端（居民端）智能檢測

“逼瘋”廣大市民的垃圾分類難點，主要就在于識別不同的材料特征并予以歸類，其中涉及比較高的技術門檻。網絡上流傳的，一只龍蝦需要分為五個部分分別投遞，鼠標必須大卸八塊才能扔掉，珍珠奶茶喝一半怎么扔……別說普通的大爺大媽了，受過高等教育的同學恐怕都需要懵逼一番。

最妥當?shù)霓k法當然就是通過計算機視覺來實現(xiàn)智能投遞啦。

比如，已經有小區(qū)安裝上了智能回收垃圾站，只需要在垃圾桶前掃描一下，就會自動識別居民投遞物的類型，并提示具體的分類。如果是能賣錢的可回收垃圾，投遞到相應的垃圾桶后還會自動將兌換的現(xiàn)金打到居民的手機賬戶里，可以說是很適合懶人了。

當然，沒有此類智能垃圾桶的小區(qū)，也有帶有AI識別的功能的手機App助攻，比如支付寶最近推出的“垃圾分類助手”，就成了救上海人民于水火的神器。

2.終端（回收者）自動化

不得不說上海不愧是城市化最高的地區(qū)之一，廣大群眾們吐槽歸吐槽，但也都是極盡可能地配合垃圾分類政策，努力程度堪比高考。不過，在家分的再好，如果垃圾車全部都混為一體，或者不考慮小區(qū)的實際量級，那也會帶來不少的麻煩，讓大家做無用功的同時，也影響政策的公信力。

因此，提高回收環(huán)節(jié)的清理效率和分揀水平，就變得至關重要了，而這正是AI所擅長的。

舉個遙遠的例子，在硅谷，創(chuàng)業(yè)公司Compology就給小區(qū)的垃圾箱配備了智能傳感器。這些傳感器每天會多次拍攝垃圾桶內部的高分辨率照片，并發(fā)送圖像到云端。這樣，垃圾清理公司就能夠及時監(jiān)控信息，優(yōu)化卡車清運垃圾的路線或時間表，快捷高效地拾取垃圾，從而保證了不同規(guī)模小區(qū)的清理效率。

而在運載過程中，垃圾分類后也導致清運車增加，從2月20日起，上海全市就配置及涂裝濕垃圾車982輛、干垃圾車3135輛、有害垃圾車49輛以及可回收物回收車32輛。顯然，分類的細化也會導致司機出現(xiàn)人手不足的情況，而自動駕駛則有望解決這一問題。

今年五月，沃爾沃公司宣布與瑞典的Renova公司聯(lián)手，開始測試自動駕駛垃圾車。除了和普通無人車一樣配置激光定位器、雷達、攝像頭、紅外攝像頭等傳感系統(tǒng)之外，這種卡車還能夠按照設置好的路線，沿途收集垃圾。所以，駕駛員只需要走兩步，專心收集垃圾，不需要每次都返回駕駛室，開著車再前往下一個垃圾桶，大大減少了停車次數(shù)。

同時，垃圾回收汽車還能夠起到終端網絡的監(jiān)測作用。

我們以上海的垃圾收運為例，每輛垃圾清運車行走到了哪里，在哪個小區(qū)運了哪些類型的生活垃圾，裝進了哪個集裝箱，運到哪里處置，這些實時數(shù)據都會上傳到“城市的垃圾大腦”（真的沒有罵人的意思TAT），然后城市環(huán)衛(wèi)系統(tǒng)和再生資源系統(tǒng)會根據前端的數(shù)據進行分析，從而對垃圾清運、設施布局等城市行為作出更好的規(guī)劃。

3.后端（處理廠）智能化

好了，經過人和機器的努力，咱們的垃圾們終于來到了處理廠，可以進行勞動改造了。

這里的問題也是最多的。

首先，再嚴絲合縫的前中端把控，也有可能造成漏網之魚，比如將有害垃圾丟進了干垃圾里，這時候就需要識別出是哪個小區(qū)出了問題需要強化分類教育，同時，處理廠還要進行二次分揀。

但是，回收垃圾帶給人類員工的傷害也是巨大的。傳統(tǒng)垃圾分揀的工作是由人類來完成的，骯臟、枯燥，而且危險，常常會接觸到有害物品，比如針管、碎玻璃等等，也被稱為美國最危險的職業(yè)之一。

而處理工廠的智能自動化，一旦能夠普及應用，就可以讓這些分揀工人離開那些危險的崗位了。

前不久，北美紙箱包裝委員會就與阿爾卑斯廢物循環(huán)利用，以及AMP機器人這兩家公司合作，在工廠中安裝了AMP公司的Cortex分類機器人。

這種機器人配備了像蜘蛛一樣的機械臂，利用攝像機向云端大腦傳遞影像信息，機器學習算法識別出傳送帶上的廢物，機械臂就會對其進行分揀。

目前，機器人能夠達到高達98％的分類準確度，每天工作大約16小時，每分鐘可以做出60次分揀動作，遠高于人類每分鐘40次的平均值。

同樣這么做的還有芬蘭公司ZenRobotics機器人，在美國Recon廢物服務公司中，安裝了人工智能回收系統(tǒng)Heavy Picker，可以抬起60磅重的物體，能夠整理建筑垃圾，將其分類成金屬、木頭、石頭等，然后投入循環(huán)利用。目前，蘇州綠和公司也引入了該技術。

能夠直接解放人類分揀員，減少分揀環(huán)節(jié)的健康風險，并有效提升了分揀效率。

看到這里，相信很多人已經可以感覺到，AI在垃圾領域的應用有哪些值得注意的特點了吧。

簡單來說，一是依靠成熟的感知技術，比如傳感器、計算機視覺等等，讓每個環(huán)節(jié)流通的垃圾和行為都能被數(shù)據化。而要讓識別的準確率足夠高，也需要進行一定的數(shù)據積累與訓練。換句話說，AI系統(tǒng)的引入宜早不宜遲。

二是云+端+邊算力的綜合保障。我們發(fā)現(xiàn)，垃圾分類所涉及的環(huán)節(jié)對實時動態(tài)數(shù)據的監(jiān)測和處理要求非常高，無論是在垃圾傾倒時的實時甄別，還是車輛行進路線的合理控制，這個過程都需要基礎算力的支持，因此，邊緣算力、終端芯片、云端處理的綜合聯(lián)動才能成就這項龐大的城市工程。未來隨著5G網絡的普及，即時的數(shù)據觀察會讓AI的效能變得更強。

聽起來很美，那么，AI的落地有沒有什么限制條件呢？答案幾乎是肯定的！

萬事俱備，只欠……

AI的“垃圾分類”探索說到這里，相信很多人已經感覺到了好像哪里不對的樣子。為了人類生存環(huán)境變得更好，AI似乎在透支當下一部分人群的生活狀態(tài)。

最為直接的影響是，隨著智能機器人的引入和垃圾處理場的自動化改造，會有很多從事駕駛和分類工作的工人失業(yè)。

的確，他們的工作條件稱不上好，但也是一份能夠養(yǎng)家糊口的謀生之道。讓他們轉型去做那些AI提供的新工作崗位，比如數(shù)據分析師、操控高科技卡車和設備的機械師，這可能嗎？

未來垃圾清理產業(yè)的人員素質必然會大量提升，但機會未必真的會屬于那些被機器淘汰的一線工人。屆時大量的底層勞動人口去往何處，恐怕是一個棘手的問題，因此，垃圾產業(yè)智能化的步子應該不會邁的太快。至少，在很長一段時間內，還是會由人類大爺阿姨來為你答疑解惑，而不是AI。

另一方面則是部署成本的問題。

關注我們的小伙伴可能常常聽到智慧城市、車路協(xié)同之類的前沿技術名詞。但目前很多綜合方案都還在封閉道路上測試，或是剛剛開始終端改造。

而垃圾分類的收集終端密集，數(shù)據維度多樣，有著較大的自由度和模糊地帶，層出不窮的新型垃圾也在挑戰(zhàn)著傳統(tǒng)的分類體系，這就導致現(xiàn)階段想要依靠AI實現(xiàn)精準判斷和運維決策，幾乎是一件不可能的事。而在一個400萬人口的中等城市，建設智能收集終端+智慧平臺+智能檢測線的一次性投資，初步估算約15億元左右，這些都是要城市財政來買單的，恐怕只有少數(shù)超級城市能夠逐步啟動。而其他二三線垃圾分類試點城市，恐怕只能多多學習下分類手冊，打打扔垃圾小游戲了。

AI垃圾分類的未來或許還很遙遠，但未來依然是值得期待的。每個人都必須與時代共同成長，從這個角度來說，我們也算是見證歷史了吧。讓我們和AI一起，給歲月以文明，而不是給文明以歲月。

來源：聯(lián)想創(chuàng)投