在人工智能眼里，垃圾分类分几步？
发布时间：2019-11-4 16:52
发布者：02zz
|
前阶段被垃圾分类的话题洗脑了，“你是什么垃圾”这样的灵魂拷问据说已是网络社交新话题。 “小龙虾的干湿之分”、“扔一杯奶茶分四步走”或是戏谑，也是严谨的讨论。既是段子也是真实《条例》。无论是居民还是企业都需要严肃认真的对待这个新挑战。那么在这个领域，AI能够做什么事情呢？ 今天我们将探讨一下国内外诸多垃圾分类解决方案/产品中AI的影子。 1. 垃圾分拣机器人 作为工业机器人领域的一个分支，在目前垃圾分类场景中，垃圾分拣机器人是相对成熟的，同时也是巨头的战场，主要由国外科技公司主导。 像是著名的芬兰机器人ZenRobotics Recycler、英国的Green Recycling，美国也有“MAX-AI”。产品设计上来说，基本上大同小异，都由几个类似模块组成：垃圾初步过滤模块；垃圾扫描模块；垃圾快速识别模块；拣选机械臂模块；分类后垃圾传输模块。 下图为芬兰ZenRobotics Recycler识别模块的界面：中间传送履带上都是各类垃圾，不同的颜色代表不同的垃圾，同时还有各个垃圾的轮廓，同时展示了机械臂实时状态下的目标（PICKING APPROACH）；这里混合了红外图像识别、自然光图像识别、并且给出了轮廓和运动方向上的矢量数据。 直观上看，至少用到了目标检测算法（Object Dection），显著性检测算法（Saliency Dection）,分类算法，目标跟踪（Object Tracking）。在机器准确识别了垃圾的类别、形状、移动速度，不同类别的垃圾，也可以让高速精确的机械臂调整握力。作为芬兰、乃至世界范围内部署最早，可训练的垃圾分拣机器人，以其对建筑垃圾高达98%的识别率，极大的提升了垃圾分拣效率。 图：ZenRobotics操作界面 资料显示，一个ZenRobotics机器手可以高精度分拣4种不同性质的垃圾碎片，有效分拣率可达98%，最高分拣速度3000次/小时，工作时间24小时/天。 然而，由于缺少前端的任何分类，国内的垃圾成分更复杂，ZenRobotics到了国内，也有些水土不服，但是其可训练（trainable）的特性，让其也能逐步本地化，针对中国垃圾特点进行软件升级。 2. 智能垃圾桶 另外一个AI应用于垃圾分类的是智能垃圾桶。但是，这个领域鱼龙混杂，已经出现的真正用的AI技术的智能垃圾桶并不多。国内厂商大多数还停留在增加各类外部组件（安卓屏、摄像头、二维码扫描）的阶段。真正比较典型的利用AI技术产品化的尝试有国外的TrashBot垃圾桶、基于Oscar AI垃圾分类系统的垃圾桶。 图：TrashBot试验机 图：Oscar 智能垃圾桶商业版 这类产品都是使用相机和超声波传感器来实现目标对象的识别 。通过摄像头抓拍物品，AI算法然后专注于辨别他们手中的物品，以非常高的准确度预测垃圾是哪个类型，并通过屏幕告诉用户将其投入正确的垃圾箱。 据称：Oscar通过数百万张图像和传感器数据来快速训练，即使拿着的香蕉已经变成褐色，仍然可识别成香蕉，并扔入正确的垃圾箱。 图：Oscar效果展示 3. 智能垃圾车 如果垃圾箱更智能，分拣中心也更智能，那么很自然地就会希望转运器(中间点)也更智能。这是创建人工智能智能废物管理和处理车辆的几个倡议背后的推动力，包括由南加州大学(USC)发起的智能物联网集成联盟——I3。 通过将垃圾车与全市范围内的传感器和摄像机系统连接起来，使垃圾车可获知最可靠和最有效的路线，同时还能获得进行进一步战略行动所需的数据。I3未来在智能垃圾车上的应用包括给清扫队的涂鸦加上标签，以及检测垃圾箱外的垃圾。 4. AI增强垃圾管理 100%有效的废物管理是使我们更接近真正的循环经济的一个基本因素，在这种经济中，每一种资源的最大价值都得到提取，同时产生的废物和长期生态影响也最小。在任何情况下，缩小当前回收和废物处理工作与行业目标状态之间的差距，都需要对每一个操作步骤所涉及的数据进行全面的概述，而人工智能正开始帮助我们实现这一目标。随着对现有数据有了更深入的理解，废物管理生态系统的每个部分的操作者都可以对我们如何处理各种形式的废物做出正确的决定。 而作为一家专注于将人工智能赋能到各个行业、各个领域的科技公司，偶数科技核心AI平台产品Littleboy对AI在垃圾分类、废物利用领域也进行了探索，同时已经正式开展了通过图像识别进行河道污染治理这类环保领域的工作。 利用河道现场照片数据训练污染对象识别模型、图片分类模型后，将河道监控视频流接入LittelboyAI服务集群，进行实时监控，一旦发现河面有漂浮垃圾、树叶枯枝聚集，立刻推送给城市监控系统，提升了河道漂浮物打捞效率。 （此文转自技皆知） |
网友评论