Banner
首頁 > 公司新聞 > 內容
真人德扑圈官网人工智能在“垃圾經濟”新風口的機遇和挑戰
- 2019-07-11 -

被垃圾逼瘋的上海甯成爲其他省市的快樂源泉,貢獻了諸多精彩段子。不過不要緊,忙著“哈哈哈”的網友很快得知,到2020年底,包括北京、天津、上海、重慶、深圳等先行先試的46個重點城市,要基本建成垃圾分類處理系統。


一時間,垃圾分類成爲熱議話題,也催生了“智能垃圾經濟”的新模式和新的成長空間。根據方正證券消息,僅生活垃圾分類就會爲市場帶來1萬億元左右的增量,其相關板塊的利潤增速或空間彈性將至少在30%。
這個巨大的蛋糕已經被AI注意到。垃圾分類,AI大有可爲。

你是什麽垃圾——AI如何判斷?

先行開始垃圾分類的上海,目標是到2020年打造60個人工智能深度應用場景。7月2日,上海發布第二批人工智能應用場景需求,包括生活垃圾分類應用等共計28個場景。上海城投環境(集團)有限公司科技信息部主管陶俊傑表示,“如果前端分得不好可能導致後面終端處理的問題,因此發布的場景應用需求一塊就是針對小區垃圾前端的識別。”

日常中,每个类别的垃圾往往包含了各式各样的內容,仅凭经验,人们在分类投放时难免出现偏差。得益于AI的赋能,垃圾分类识别正变得高效。

AI用于垃圾分類,業界早有過相關的討論,主要有三種方案類型:一種方案,是把垃圾的相關信息制成表格化數據,然後用傳統的機器學習方法實現分類;第二種方案,把所有的垃圾分類信息做成知識圖譜,每一次查詢就好像翻字典一樣查閱信息;第三種方案,借助深度學習方法,來對垃圾進行識別和分類。例如每次給一張垃圾的圖片,讓模型識別出這是屬于哪一種類別的:幹垃圾、濕垃圾、有害垃圾還是可回收垃圾。

第三種方案正在成爲主流。並由此拓展出兩種分類方式:一種是單一目標分類,即對整張圖片進行分類,爲圖片給出的分類標簽;另一種是多目標檢測分類,是對圖片中的多種垃圾進行定位及單獨分類。前者在技術上相對容易實現,近期比較熱門的幾個手機垃圾分類APP都是使用這種技術。後者雖然更爲實用,但研發難度更大。

太古计算总经理陈伟认为,在深度学习出现之前,可变形部件模型(DPM)一直是流行的目标检测方法。深度学习出现后,以R-CNN、Fast R-CNN、Faster R-CNN为代表的两阶段算法和以YOLOv1-3、SSD、RetinaNet为代表的单阶段算法成为主流。前者是先由算法生成一系列待检测目标的候选框,再通过卷积神经网络进行候选框的分类;后者则不用产生候选框,直接将目标边框定位的问题转化为回归问题处理。
太古計算目前正在進行垃圾分類識別相關方案的開發,采用深度學習技術訓練,産品可實現上千種類別識別。據展示圖例來看,識別度較高。

浙江是全國一個在農村展開垃圾分類的省份。在初的推行階段,村民面臨著沒有垃圾分類習慣、不清楚如何分類等難題,往往廚余垃圾、殘磚破瓦,甚至農藥瓶等都混在一起,給後續處理帶來很大難度。而在金華永康南部的某個村子,在采用了海康威視的智能攝像機和智慧音柱的方案後,情況有了明顯好轉。

智能警戒攝像機可以准確檢測到監控範圍內的人體和車輛,當攝像機發現是有人經過劃定好的投遞垃圾區域時,就會傳遞信號給智慧音柱,隨後音柱就開始自動播放預先儲存的音頻文件,如:垃圾請分類入桶,餐廚垃圾扔綠桶,其他垃圾扔黃桶,從而提醒村民進行垃圾分類投放。由于攝像機內置有智能檢測算法,當經過的是貓狗等動物時,攝像機可以判斷經過的不是人體,因此不會受到幹擾而誤導音柱。

平安智慧也看上了“垃圾生意”,正在針對垃圾分類全流程搭建智慧分析管理平台。據其智慧垃圾分類項目負責人表示,政府在進行生活垃圾管理時會遇到一些難點:如統籌少、數據分散、監管主體增多、考核難等,如何爲其提供系統性管理平台是平安的研究方向。

根據規劃,在這一平台中,三大層次遞進發揮作用:底層爲大數據支撐體系,構建了智能調度模型、全流程考核評估模型以及檢查點抽樣模型;中層的多功能模塊則包括從投放、收運到處理的全程分類,以及用以實效評估的全套督導考核體系;前段則以統籌型數據作展示。簡言之,關于垃圾從源頭到末端的定量監管、各環節工作的評估與績效,平安智慧希望在這一個分析管理平台上得以實現。未來,這一平台將結合物聯網、視頻采集技術,追溯各環節的垃圾投放、收運,杜絕混裝等違規操作,並成爲處罰的依據。

AI+垃圾分類,相關人才受追捧

垃圾分類處理不僅僅局限在完成垃圾的初始分類,其背後的産業鏈還很長,AI則可以在産業鏈中發揮重要作用。垃圾分類處理和AI正在不斷融合發展,進一步釋放職業發展機會。

根據獵聘大數據研究院的數據顯示,2019年上半年獵聘平台上與垃圾分類處理相關崗位的平均月薪達1.6萬元。其中,生活垃圾焚燒發電工程師相關崗位平均月薪爲2.2萬元,固廢垃圾處理開發相關崗位的平均月薪爲1.9萬元,垃圾分類市場經理相關崗位平均月薪1.4萬元,水處理和有機垃圾設計工程師相關崗位平均月薪1.4萬元,生活垃圾綜合處理工程師相關崗位平均月薪1.2萬元。

“垃圾分類處理産業鏈市場廣闊,從前端回收到後端處理,可容納的就業機會遠比大家想象的多。例如垃圾發電工藝設計、固廢垃圾處理開發、餐廚垃圾處理工程師等職位都與垃圾分類處理産業鏈有關。”獵聘職業顧問表示。

从猎聘上搜索的信息显示,解決方案总监、嵌入式软件工程师、AI产品经理等都是企业为了拓展垃圾分类处理领域的科技项目,面向科技人才所发布的职位。这些职位投递热度高,求职者普遍拥有5-8年的工作经验和名企工作背景。

AI賦能環保産業

事實上,國際國內的環保産業中早已頻繁看見AI的身影:

我國政府部門借助AI技術,結合衛星圖像、傳感器以及監測儀器等手段,借助大數據又快速地確定汙染源,助力早期汙染檢測;生態環境部曾推出排汙許可“雲平台”,實現了環境治理信息化管理。

智慧环保将AI技术融合到环境应急管理、环境监测中,通过大数据进行风险评估、分析,从而提出环境治理智慧型解決方案。

近兩年,部分城市開始運用AI技術手段提升垃圾分類執行效率,例如北京和上海在社區試點智能垃圾桶,廈門等多地上線垃圾信息化管理平台。智能垃圾桶通過傳感器、攝像頭、圖像識別算法來自動進行垃圾分類,居民只要拿著手機掃碼開箱,按不同分類將垃圾投入回收箱後,就能得到相應的現金或積分獎勵,甚至回收公司也可以通過APP來隨時檢查垃圾桶的剩余空間等。

在垃圾运输环节,沃尔沃与英伟达于上个月刚刚发布,联合开发适用于自动驾驶卡车的AI平台。双方将共同开发用于自动驾驶商用车辆和设备的决策系统,通过利用英伟达的端到端AI平台进行训练、模拟和车载计算,以实现系统可以帮助车辆安全地在公路和高速路上进行全自动驾驶。该解決方案包括传感器处理、感知、地图本地化和路径规划等,以支持各种自动驾驶应用情况,其中就包括垃圾清运回收场景。

國際上,美國丹佛市已經開始用智能機器人進行垃圾分揀,這種機器人具有深度自主學習的能力,采用計算機人臉識別技術,分辨出同材質垃圾之間的差別進行針對性識別,終用機械臂拾取特定垃圾,大大提高了工作效率。

在垃圾处理的后端——废物循环利用领域,AI也早已有所贡献。BulkHandling System(BHS)是一家设备生产商,其机器人分类技术MAX-AI,能够鉴别出包括可循环利用物料在内的多种可回收物料,它分为Max-AI视觉系统和Max-AI自动质量控制(AQC)单元。视觉系统的作用是提供信息,而AQC单元则包含分类机器人,可以将传送带上的废物分拣成六个不同的种类,将不同的种类放入不同的分类槽。

未來,機器人的普及可以令工廠小型化,終能夠實現在摩天大樓或社區內修建微型物料回收設施,將這些微型回收設施整合起來,形成城市級、甚至guo家級的廢棄物料網絡。一旦實現了這樣的轉變,廢物循環利用産業就會改頭換面,爲新興業務提供更大空間。

挑戰巨大,不止AI要努力

垃圾分類政策給諸如智能平台、環衛設備、處理終端等領域帶來了轉型、優化的機會。與此同時,精細化分類之後,産業鏈條更爲分散,對管理也提出更高要求。

AI用于垃圾分類,目前更多是在“動腦”,比如圖像識別。要進一步提升效率優化垃圾分揀環節,則涉及到“動手”,需要配置垃圾分揀機器人。而機器人的使用勢必需要一些先決條件,比如被分揀對象的相對標准化。目前看來,一是垃圾分類還未實現標准化,機器人能夠達到多高的智能水平有待繼續開發;二是即便技術可以實現,也要考慮敷設成本。

就像太古計算陳偉所說,垃圾分類終的目標是爲了提高回收效率,主要是運輸和分揀。垃圾分類降低了之前負責這部分人力的分揀成本,但是從運輸來說,原先能用一個桶裝完的垃圾被分成了4個桶,運輸的車也要增加,提高了運輸成本。而相比分揀成本,運輸成本才是大的。AI技術的介入,他認爲主要目標是如何提高其回收效率並降低成本。

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,識別判斷越准確。每一類垃圾數據集的圖片量越大,准確度就越高。

在完成垃圾檢測的圖像數據集後,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,這樣的標注工作更爲艱巨,也成爲當前大的挑戰之一。

垃圾智能分類的下一步——想象要狂野

通過AI對垃圾進行智能分類後,下一步是什麽?從涉及垃圾分類的環衛設備、處理終端環節來看,市場潛力巨大。目前,各券商普遍認爲,中短期利好垃圾分類環衛設備提供商,如垃圾收運車等;長期則利好終端垃圾處置企業如焚燒廠、處理廠等。

方正證券方面表示,“三個細分領域是關注重點,一是有害垃圾處理;二是餐廚垃圾的回收和利用,約有4000億元的市場規模;第三是環衛設備的産業鏈。”

可以預見的是,人工分揀將被機器智能分揀逐步取代。垃圾處理將真正成爲流水線作業,利用AI進行識別,並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,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、淨化、生物分解等方式處理。這樣有望解決兩方面問題:一是減少了垃圾分類的類別,居民只需要粗篩,降低了操作的難度,提高了可行性、可操作性;二是AI處理的方式,處理量大,經過高強度訓練能達到處理精細化要求,效率極高,利于垃圾回收再利用。

甚至,AI能否将垃圾处理提升到产品在设计、生产之处就考虑终的处理问题。比如电子产品,能否在设计时加入分解的维度,当需要废弃时可以直接自动分解?通过AI,能否重新设计人们每日生活方式?终,让垃圾分类不再成为生活中的一种內容。
 
注:垃圾分類及處理産業非常龐大,一文難以覆蓋所有重要信息。歡迎業內人士批評指正,或提供産業應用相關線索。