人工智能引导的机器人可对回收物品进行分类

煤油灯科技2022-07-01 11:46

美国许多地区和欧洲大部分地区垃圾回收利用的事实令人警醒,每天早上,回收箱里的东西将被倒入一辆卡车,运到回收站进行分类。大部分材料将用于加工,并最终用于新产品,但其中很多最终会进入垃圾填埋场。

那么,有多少进入垃圾箱的材料避免了被填埋呢?对于那些进行路边垃圾回收的国家来说,所谓的回收率似乎平均在70%到90%之间,尽管没有广泛的数据。看起来还不错。但在一些城市,回收率低至40%。更糟糕的是,只有一小部分可回收物品进入垃圾桶:美国只有32%,全球只有10%到15%。这是由有限资源制成的大量材料,它们被不必要地浪费了。

我们必须做得更好,有一种方法可以做到,利用计算机视觉、机器学习和机器人来识别和分类回收材料,我们可以提高自动分类机器的准确性,减少人工干预的需要,并提高整体回收率。

位于科罗拉多州路易斯维尔的公司Amp Robotics,它正在开发依赖图像分析对可回收物品进行分类的硬件和软件,其准确性和回收率远远高于传统系统的典型做法。其他公司也在努力将人工智能和机器人技术应用于回收,包括Bulk Handling Systems、Machinex和Tomra。到目前为止,这项技术已经在世界各地的数百个分拣设施中安装。推广它的使用范围将防止浪费,并有助于环境,因为它使可回收物不被填埋,并使它们更容易再加工和再利用。

在解释人工智能将如何改善回收垃圾之前,让我们看看回收材料在过去是如何分类的,以及它们在当今世界的大部分地区是如何分类的。

在20世纪60年代回收利用开始时,分类的任务落在了消费者身上:一捆报纸,一捆纸板,玻璃和罐头在各自的箱子里。这对很多人来说太麻烦了,也限制了可回收材料的数量。

在20世纪70年代,许多城市取消了多个垃圾箱,代之以单个容器,分拣工作由下游进行。这种“单一流”回收促进了参与,现在它是发达国家的主要回收形式。

将分拣任务进一步转移到下游,导致了分拣设施的建设。为了进行实际的分类,回收企业家们改装了采矿业和农业行业的设备,必要时用人力进行填充。这些分类系统没有计算机智能,而是依靠材料的物理特性来分离它们。例如,玻璃可以被打碎成小块,然后筛选和收集。硬纸板又硬又轻,它可以在一系列机械凸轮状的圆盘上滑动,而其他密度更大的材料则会落在圆盘之间。黑色金属可以用磁性从其他材料中分离出来;利用大的涡流,也可以在有色金属(如铝)中感应磁性。

到20世纪90年代,由美国国家航空航天局(NASA)开发并于1972年首次通过卫星发射的高光谱成像技术开始具有商业可行性,并开始在回收领域崭露头角。人眼主要看到的是红色、绿色和蓝色的组合,与人眼不同,高光谱传感器将图像分成更多的光谱波段。这项技术能够区分不同类型的塑料,不仅将光学传感技术引入回收过程,还将计算机智能引入回收过程,改变了回收者的游戏规则。可编程光学分拣器也被开发出来用于分离纸制品,例如,区分报纸和垃圾邮件。

所以今天,大部分的分类都是自动化的。这些系统的纯度一般为80%到95%,也就是说,有5%到20%的输出不应该存在。然而,要想生产出有利可图的产品,纯度必须高于95%;低于这个门槛,价值就会下降,通常一文不值。因此,人类需要手工清理每条物流,在这些材料被压缩打包运输之前,把散落的物体挑出来。

尽管进行了所有的自动和手动分类,但大约10%到30%进入该设施的材料最终会进入垃圾填埋场。在大多数情况下,这些材料中有一半以上是可回收的,而且很值钱,但最终就是没有被回收。

我们已经将现有的系统发挥到极致,只有人工智能能比现在做得更好。

让人工智能进入回收行业意味着将拾取放置机器人与精确的实时目标检测相结合,与计算机视觉系统相结合的拾取放置机器人在制造业中被用于抓取特定的物体,但它们通常只是在可控的照明条件下重复寻找单个物品或已知形状的几个物品。然而,回收涉及到在传送带上移动的物体的种类、形状和方向的无限变化,需要几乎瞬时识别以及快速向机器人手臂发送新轨迹。

Amp Robotics在2016年第一次开始使用人工智能,从科罗拉多州的一家工厂的其他可回收物中提取空纸箱,今天,Amp Robotics已经在美国超过25个州和6个国家安装了系统。Amp Robotics并不是第一家尝试人工智能分类的公司,但它此前从未被商业化使用。现在已经稳步扩大了系统可以识别和分类的可回收物品的种类。

从理论上讲,人工智能可以完全基于图像分析,以接近100%的精度从混合材料流中回收所有可回收物。如果一个基于人工智能的分类系统能看到一个物体,它就能准确地对它进行分类。

想想一种对如今的回收分拣者来说特别具有挑战性的材料:高密度聚乙烯(HDPE),一种常用来制作洗涤剂瓶和牛奶罐的塑料。(在美国、欧洲和中国,HDPE产品被列为2号可回收物。)在一个依赖于高光谱成像的系统中,成批的HDPE往往与其他塑料混合,可能有纸或塑料标签,这使得高光谱成像仪难以检测底层物体的化学成分。

相比之下,人工智能驱动的计算机视觉系统可以通过识别包装来确定瓶子是HDPE,而不是其他东西。这样的系统还可以使用颜色、不透明度和形状因子等属性来提高检测精度,甚至可以根据颜色或特定产品进行排序,从而减少所需的再处理量。虽然系统不试图理解标签上单词的含义,但单词是物品视觉属性的一部分。

在AMP机器人公司已经建立了可以进行这种分类的系统。未来,人工智能系统还可以根据材料的组合和原始用途进行分类,使食品级材料与装有家用清洁剂的容器分离,使被食物垃圾污染的纸张与干净的纸张分离。

训练神经网络来检测回收流中的物体并不容易。这至少比在照片中识别人脸更具几个数量级的挑战,因为可回收材料变形的方式几乎是无限的,而系统必须识别这些排列。

在未来,人工智能驱动的机器人分拣系统和人工智能检查系统可能在这一过程的大部分环节取代人工。在图表中,红色图标表示人工智能驱动的机器人系统可以取代人类工作,蓝色图标表示人工智能审核系统可以对排序工作的成功进行最后检查。

训练一个神经网络来识别当今市场上所有不同类型的洗衣液瓶子已经很困难了,但当你考虑到这些物品到达回收设施时可能发生的物理变形时,这是一个完全不同的挑战。它们可以被折叠、撕裂或粉碎,与其他物体混合在一起,一个瓶子可能只能看到一个角落。液体或食物残渣可能会掩盖这些材料。

通过提供来自世界各地回收设施的每一类材料的图像来训练系统,Amp Robotics公司现在拥有世界上最大的可回收材料图像数据集,用于机器学习。

通过使用这些数据,模型学会了像人类一样识别可回收物品,通过识别不同材料的模式和特征。不断地从使用我们系统的所有设施中收集随机样本,然后对它们进行注释,将它们添加到数据库中,并重新训练神经网络测试网络,以找到在目标材料上表现最好的模型,并对系统难以正确识别的材料进行针对性的额外训练。

一般来说,神经网络很容易学习错误的东西。奶牛的图片与牛奶包装有关,通常生产为纤维纸盒或HDPE容器。但奶制品也可以用其他塑料包装;例如,单份牛奶瓶可能看起来像加仑壶的HDPE,但通常是由用于水瓶的不透明的PET(聚对苯二甲酸乙二醇酯)制成的。换句话说,奶牛并不总是指纤维或高密度聚乙烯。

在消费包装的不断变化中保持与时俱进也是一个挑战。任何依靠视觉观察来了解包装和材料类型之间关联的机制都需要消耗稳定的数据流,以确保对象被准确分类。

但我们可以让这些系统运作起来。目前,我们的系统在某些类别上做得非常好:铝罐的准确率超过98%,而且在区分颜色、不透明度和最初使用(识别那些食品级塑料)等细微差别方面做得越来越好。

现在,基于人工智能的系统已经准备好接受你的可回收物品,事情会发生什么变化?当然,它们将促进机器人的使用,而机器人目前在回收行业的使用很少。考虑到这个沉闷肮脏的行业永远缺乏工人,自动化是一条值得选择的道路。

人工智能还可以帮助我们了解目前现有的分类过程进行得如何,以及我们如何改进它们。今天,我们对分拣设备的操作效率有一个非常粗略的了解,我们在进站的时候称重,在出站的时候称重。没有任何设备可以确定地告诉你产品的纯度,他们只是通过随机拆包来定期审核质量。但如果你将人工智能视觉系统置于分拣过程相关部分的输入和输出上,你就会获得什么物质流向哪里的整体视图。在世界各地的数百家工厂中,这种级别的审查才刚刚开始,它应该会提高回收作业的效率。能够精确和一致地将可回收材料的实时流动数字化,也为更好地了解哪些可回收材料目前正在回收和未回收提供了机会,然后确定差距,从而允许设施全面改善其回收系统。

但要真正在回收过程中释放人工智能的力量,我们需要重新思考整个分类过程。今天,回收操作通常通过去除非目标物质,将混合的物质流切割成目标物质——换句话说,他们做的是“负排序”。相反,使用带有机器人挑选器的人工智能视觉系统,我们可以执行“积极排序”。我们不是删除非目标材质,而是识别流中的每个对象并选择目标材质。

可以肯定的是,我们的回收率和纯度取决于我们的算法。随着我们的系统在世界上获得更多经验,以及我们的训练数据集继续增长,这些数字将继续改善。我们希望最终达到纯度和回收率100%。

从更机械的系统转向人工智能的影响是深远的,该设备可以在第一次通过时就达到目标纯度,而不是粗分类到80%的纯度,然后手动清理到95%的纯度。而不是有一个独特的分类机制来处理每一种类型的材料,一个分类机器可以改变目标,只需切换算法。

人工智能的使用也意味着我们可以回收因经济原因而长期被忽视的材料。到目前为止,设施只有在经济上可行的情况下,才能在废物流中寻找最丰富、最有价值的物品。但是,通过机器学习系统对更广泛的材料进行积极的分类,我们可以开始以很少或没有业务开销的方式获取更多样化的材料,所有的这一切都对地球有好处。


原文链接:https://spectrum.ieee.org/ai-guided-robots-are-ready-to-sort-your-recyclables

你可能也喜欢这些文章