距離《上海市生活垃圾管理條例》的正式生效，已過去了整整半個月。各種垃圾分類段子走紅網絡時，“尚存理智”的一部分人提出：垃圾分類“強制時代”等同于新一輪來勢兇猛的“風口”，給諸如智能平臺、環衛設備、處理終端等領域帶來了轉型、優化的機會。

行業人士估計，環衛產業未來將達到2000億市場。在國外，有實力的公司已搶先布局，高校與實驗室加大研發投入，國內也有一波企業瞄準這一應用領域，積極尋求落地。

國外搶先入局賽道

國外市面上的分揀機器人所使用的方法主要是利用視覺分析系統對物品進行跟蹤和分類，包括FANUC的分揀機器人Waste Robot、AMP Robotics、美國BHS的MAX-AI、芬蘭的ZenRobotics回收機等。

其中，AMP Robotics在美國部署了24套類似系統，預計到今年年底，這一數字將翻番；Waste Robot已與政府廢品管理進行合作，離正式應用又近了一步。

2017年11月27日，日本垃圾處理公司Shitara Kosan就引進了芬蘭的ZenRobotics的機器人垃圾分揀系統并已經投產。同年中國江蘇綠和環境科技有限公司也同ZenRobotics簽署了合作協議，引進了相同配置的分類機器人。

MIT最近和耶魯大學聯合開發了一款分揀機器人RoCycle，與一般分揀機器人不同的是，這款機器人借助軟體手使用觸覺來檢驗材料。

研究人員表示，視覺分析系統在進行分揀時可能會出現誤差，比如在分辨兩個外表幾乎一致但材料不同的物體時，視覺分析系統很可能將兩種材料歸為一類，而觸覺系統就像人類即使閉著眼睛也能夠大致分辨出手中所拿的物體是什么。對于分揀機器人來說，觸覺比視覺更加有效。

國內初見落地曙光

意識到剛需，我國也在積極投身到垃圾分揀機器人的研制應用當中。

2017年，航天科技集團一院18所基于神經網絡搭建的環衛垃圾分揀及智能機器人深度學習平臺調試成功，開發了國內第一臺環衛垃圾分揀機器人。雖然這臺機器人還沒有實現產業化，但對于產業的發展起到推動作用。

在浙江杭州天子嶺靜脈產業園區，坐落著一座裝修垃圾資源利用一體化工廠。工廠內機器人在生產流水線上快速、持續、準確地抓取垃圾待分揀物質。工作環境清潔整齊，全流程智能化操作，每年可消化約10萬噸建筑垃圾。

成立于2018年9月的人工智能創業公司弓葉科技正在試圖打通從居民端對垃圾誤投放進行追蹤，到小區清運端的可回收垃圾智能分類，再到垃圾工廠端的垃圾分類的“前中后三個端口”。

弓葉科技創始人莫卓亞介紹，在居民端，弓葉科技的智能垃圾箱配備了多種傳感器，這些傳感器將垃圾圖像發送云端。垃圾清運中心就能夠及時監控信息，優化清運垃圾的路線或時間表，快捷高效地拾取垃圾，從而保證了不同規模小區的清理效率。

在小區端，運用配備了并聯機器人的輕型垃圾分選設備，以及人工智能回收系統“保捷PORCHE-AI S2.0”，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棄物，機械臂就會對其進行快速分揀。

弓葉科技輕型垃圾分選設備PORCHE-AI S2.0

在垃圾工廠端，弓葉科技研制了重型垃圾分選設備，安裝了人工智能回收系統“澎湃POWER-AI S2.0”，能夠對建筑垃圾進行分類，可以分選重達30kg的物體，并按照操作人員設定，將垃圾分成金屬、木頭、石頭、塑料等多種不同材質，然后將回收物投入循環利用。

弓葉科技重型垃圾分選設備POWER-AI S2.0

“目前，弓葉科技人工智能輕型垃圾分選設備能夠達到90％以上的分類準確率，可以7天*24小時連續不間斷工作，每小時可以執行4000次分選，遠高于人類每小時2400次的平均值。弓葉科技重型垃圾分選設備每小時可以執行2000次分選，遠遠超過人工分選效率。”莫卓亞說道。

難點叢生路漫漫

然而，垃圾分揀的技術難度和實際工況，比想象的要復雜惡劣太多。

機器人用于垃圾分類時，一般需要滿足一些先決條件，如被分揀對象的相對標準化。目前看來，一是垃圾分類還未實現標準化，機器人能夠達到多高的智能水平有待繼續開發，軟硬件難以兼容；二是即便技術可以實現，也要考慮實際應用的成本。

莫卓亞指出：“垃圾分揀設備其實是光機電視覺一體化的綜合運用。首先依靠成熟的感知技術，比如傳感器、計算機視覺等等，讓每個環節流通的垃圾和行為都能被數據化。同時，為了讓識別的準確率足夠高，必須要進行一定的數據積累與訓練。”

目前看來，基于神經網絡的算法進行圖像分類，算法比較成熟，但是對足夠量的訓練圖片集有著非常大的需求。由于神經網絡算法是一種數據驅動的方法，對訓練樣本數據量及質量要求較高，數據量越大，識別判斷越精準。每一類垃圾數據集的圖片量越大，精準度就越高。

在完成垃圾檢測的圖像數據集后，就可以利用當前主流的深度學習檢測算法來實現批量垃圾的分類。和垃圾分類器一樣，一個理想的垃圾檢測器，需要大量的“垃圾”標注數據來支撐。但是與分類數據集相比，檢測數據集除了標注類別外還要標注圖位置坐標，這樣的標注工作更為艱巨，也成為當前最大的挑戰之一。

莫卓亞進一步指出：“垃圾分類所涉及的環節對實時動態數據的監測和處理要求非常高，無論是在垃圾傾倒時的實時甄別，車輛行進路線的合理控制，還是垃圾工廠的實時反饋，整個過程都需要大數據的支持。”

弓葉科技垃圾處理云平臺

此外，大負載、大行程的高速分選機器人的控制技術也是個難點。最終，機器人控制、邊緣計算和云端處理的綜合聯動才能成就這個龐大的設備。

最后，結合垃圾分揀工藝，分揀設備的材料強度須非常高，同時耐腐蝕，經得起真空高壓，以及抵擋垃圾在其中的刮擦。

除了技術瓶頸外，更現實的一個難題在于“成本和效益”。勃肯特董事長王岳超指出，去年做過一個案例，但到現在還沒推廣起來，問題就在于終端客戶還不能接受如此高昂的成本。

梅卡曼德CEO邵天蘭也認為：“垃圾分類的單位價值太低了，一個機器人忙活一天，算起來沒多少價值。這樣的需求，在有限的、簡化的場景中做個demo相對來說比較容易，但是要經濟、穩定的實用起來很難。”

投資過環衛企業的峰瑞資本副總裁馬睿也表示，垃圾分類是不是風口還不確定，要看是否會有新的商業模式。

阿拉丁智能創始人何孝珍強調：“沒有人機協作的社區垃圾分類，在我國是行不通的。智能機器人如何與垃圾分揀鏈條融合，才是真命題。”

可以預見的是，人工分揀將被機器智能分揀逐步取代。垃圾處理將真正成為流水線作業，利用AI進行識別，并將識別結果交給流水線上的機器人或者機械手臂進行分揀，最終將分揀的不同類別的垃圾交由垃圾處理廠進行再回收、焚燒、凈化、生物分解等方式處理。

莫卓亞笑言：“AI垃圾分類的大面積普及或許還很遙遠，但未來依然值得期待。每個人都必須與時代共同成長，從這個角度來說，我們非常幸運，不僅見證了中國垃圾分類的歷史，也深度參與了這一段歷史，用技術變革傳統行業。”

未來，隨著5G網絡的普及，實時的數據收集、分析和模型優化會讓AI的效能變得更強，為垃圾分揀機器人提供云+端+邊緣計算的綜合保障。