讓AI幫城市倒垃圾，暫時可能還沒戲

垃圾分類實在是一個不怎麼美妙的話題，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定，錯過時間還可能遺留在家裡。

而且產業鏈條很長，後續的收運、流通、處置都是很難看到的。所以對於剛剛起步的地區來說，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，任何一個環節斷掉了，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可以在產業鏈全程提供助力：

1.前端（居民端）智慧檢測

“逼瘋”廣大市民的垃圾分類難點，主要就在於識別不同的材料特徵並予以歸類，其中涉及比較高的技術門檻。網路上流傳的，一隻龍蝦需要分為五個部分分別投遞，滑鼠必須大卸八塊才能扔掉，珍珠奶茶喝一半怎麼扔……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。

最妥當的辦法當然就是別吃飯了（這句劃掉）通過計算機視覺來實現智慧投遞啦。

比如，已經有小區安裝上了智慧回收垃圾站，只需要在垃圾桶前掃描一下，就會自動識別居民投遞物的型別，並提示具體的分類。如果是能賣錢的可回收垃圾，投遞到相應的垃圾桶後還會自動將兌換的現金打到居民的手機賬戶裡，可以說是很適合懶人了。

當然，沒有此類智慧垃圾桶的小區，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”，就成了救上海人民於水火的神器。

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，提高回收環節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，在矽谷，創業公司Compology 就給小區的垃圾箱配備了智慧感測器。這些感測器每天會多次拍攝垃圾桶內部的高解析度照片，併發送影象到雲端。這樣，垃圾清理公司就能夠及時監控資訊，優化卡車清運垃圾的路線或時間表，快捷高效地拾取垃圾，從而保證了不同規模小區的清理效率。

而在運載過程中，垃圾分類後也導致清運車增加，從2月20日起，上海全市就配置及塗裝溼垃圾車982輛、幹垃圾車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，沃爾沃公司宣佈與瑞典的Renova公司聯手，開始測試自動駕駛垃圾車。除了和普通無人車一樣配置鐳射定位器、雷達、攝像頭、紅外攝像頭等感測系統之外，這種卡車還能夠按照設定好的路線，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。

同時，垃圾回收汽車還能夠起到終端網路的監測作用。

我們以上海的垃圾收運為例，每輛垃圾清運車行走到了哪裡，在哪個小區運了哪些型別的生活垃圾，裝進了哪個集裝箱，運到哪裡處置，這些實時資料都會上傳到“城市的垃圾大腦”，然後城市環衛系統和再生資源系統會根據前端的資料進行分析，從而對垃圾清運、設施佈局等城市行為作出更好的規劃。

3.後端（處理廠）智慧化

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

這裡的問題也是最多的。

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幹垃圾裡，這時候就需要識別出是哪個小區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。傳統垃圾分揀的工作是由人類來完成的，骯髒、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之一。

傳統的人工垃圾分類處理流水線

而處理工廠的智慧自動化， 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迴圈利用，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，利用攝像機向雲端大腦傳遞影像資訊，機器學習演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，遠高於人類每分鐘40次的平均值。

同樣這麼做得還有芬蘭公司ZenRobotics機器人，在美國Recon廢物服務公司中，安裝了人工智慧回收系統Heavy Picker，可以擡起60磅重的物體，能夠整理建築垃圾，將其分類成金屬、木頭、石頭等，然後投入迴圈利用。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，減少分揀環節的健康風險，並有效提升了分揀效率。

看到這裡，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，比如感測器、計算機視覺等等，讓每個環節流通的垃圾和行為都能被資料化。而要讓識別的準確率足夠高，也需要進行一定的資料積累與訓練。換句話說，AI系統的引入宜早不宜遲。

二是雲+端+邊算力的綜合保障。我們發現，垃圾分類所涉及的環節對實時動態資料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，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援，因此，邊緣算力、終端晶片、雲端處理的綜合聯動才能成就這項龐大的城市工程。

未來隨著5G網路的普及，即時的資料觀察會讓AI的效能變得更強。

聽起來很美，那麼，AI的落地有沒有什麼限制條件呢？答案几乎是肯定的！

萬事俱備，只欠……

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

最為直接的影響是，隨著智慧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。

的確，他們的工作條件稱不上好，但也是一份能夠養家餬口的謀生之道。讓他們轉型去做那些AI提供的新工作崗位，比如資料分析師、操控高科技卡車和裝置的機械師，這可能嗎？

未來垃圾清理產業的人員素質必然會大量提升，但機會未必真的會屬於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，垃圾產業智慧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。

關注我們的小夥伴可能常常聽到智慧城市、車路協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，資料維度多樣，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著傳統的分類體系，這就導致現階段想要依靠AI實現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，建設智慧收集終端+智慧平臺+智慧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，打打扔垃圾小遊戲了。

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。