被垃圾逼瘋的上海寧最近成為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，垃圾分類成為熱議話題，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為市場帶來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大有可為。

你是什么垃圾——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杰表示，“如果前端分得不好可能導致后面終端處理的問題，因此發布的場景應用需求第一塊就是針對小區垃圾前端的識別。”

日常中，每個類別的垃圾往往包含了各式各樣的內容，僅憑經驗，人們在分類投放時難免出現偏差。得益于AI的賦能，垃圾分類識別正變得精準高效。

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：第一種方案，是把垃圾的相關信息制成表格化數據，然后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：干垃圾、濕垃圾、有害垃圾還是可回收垃圾。

第三種方案正在成為主流。并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，為圖片給出唯一的分類標簽；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。后者雖然更為實用，但研發難度更大。

太古計算總經理陳偉認為，在深度學習出現之前，可變形部件模型（DPM）一直是流行的目標檢測方法。深度學習出現后，以R-CNN、Fast R-CNN、Faster R-CNN為代表的兩階段算法和以YOLOv1-3、SSD、RetinaNet為代表的單階段算法成為主流。前者是先由算法生成一系列待檢測目標的候選框，再通過卷積神經網絡進行候選框的分類；后者則不用產生候選框，直接將目標邊框定位的問題轉化為回歸問題處理。
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，產品可實現上千種類別識別。據展示圖例來看，識別精準度較高。







浙江是全國唯一一個在農村展開垃圾分類的省份。在最初的推行階段，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，給后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后，情況有了明顯好轉。

智能警戒攝像機可以準確檢測到監控范圍內的人體和車輛，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，隨后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，因此不會受到干擾而誤導音柱。

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臺。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，如何為其提供系統性管理平臺是平安的研究方向。

根據規劃，在這一平臺中，三大層次遞進發揮作用：底層為大數據支撐體系，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臺上得以實現。未來，這一平臺將結合物聯網、視頻采集技術，精準追溯各環節的垃圾投放、收運，杜絕混裝等違規操作，并成為處罰的依據。

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，其背后的產業鏈還很長，AI則可以在產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年上半年獵聘平臺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為2.2萬元，固廢垃圾處理開發相關崗位的平均月薪為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。

“垃圾分類處理產業鏈市場廣闊，從前端回收到后端處理，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產業鏈有關。”獵聘職業顧問表示。

從獵聘上搜索的信息顯示，解決方案總監、嵌入式軟件工程師、AI產品經理等都是企業為了拓展垃圾分類處理領域的科技項目，面向科技人才所發布的職位。這些職位投遞熱度高，求職者普遍擁有5-8年的工作經驗和名企工作背景。

AI賦能環保產業

事實上，國際國內的環保產業中早已頻繁看見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，借助大數據精準又快速地確定污染源，助力早期污染檢測；生態環境部曾推出排污許可“云平臺”，實現了環境治理信息化管理。

智慧環保將AI技術融合到環境應急管理、環境監測中，通過大數據進行風險評估、分析，從而提出環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臺。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后，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。

在垃圾運輸環節，沃爾沃與英偉達于上個月剛剛發布，聯合開發適用于自動駕駛卡車的AI平臺。雙方將共同開發用于自動駕駛商用車輛和設備的決策系統，通過利用英偉達的端到端AI平臺進行訓練、模擬和車載計算，以實現系統可以幫助車輛安全地在公路和高速路上進行全自動駕駛。該解決方案包括傳感器處理、感知、地圖本地化和路徑規劃等，以支持各種自動駕駛應用情況，其中就包括垃圾清運回收場景。

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，最終用機械臂拾取特定垃圾，大大提高了工作效率。

在垃圾處理的后端——廢物循環利用領域，AI也早已有所貢獻。BulkHandling System（BHS）是一家設備生產商，其機器人分類技術MAX-AI，能夠鑒別出包括可循環利用物料在內的多種可回收物料，它分為Max-AI視覺系統和Max-AI自動質量控制（AQC）單元。視覺系統的作用是提供信息，而AQC單元則包含分類機器人，可以將傳送帶上的廢物分揀成六個不同的種類，將不同的種類放入不同的分類槽。

未來，機器人的普及可以令工廠小型化，最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、甚至國家級的廢棄物料網絡。一旦實現了這樣的轉變，廢物循環利用產業就會改頭換面，為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臺、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，精細化分類之后，產業鏈條更為分散，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；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，垃圾分類最終的目標是為了提高回收效率，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，運輸成本才是最大的。AI技術的介入，他認為主要目標是如何提高其回收效率并降低成本。

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。

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后，下一步是什么？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，各券商普遍認為，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；第三是環衛設備的產業鏈。”

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。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能否將垃圾處理提升到產品在設計、生產之處就考慮最終的處理問題。比如電子產品，能否在設計時加入分解的維度，當需要廢棄時可以直接自動分解？通過AI，能否重新設計人們每日生活方式？最終，讓垃圾分類不再成為生活中的一種內容。

注：垃圾分類及處理產業非常龐大，一文難以覆蓋所有重要信息。歡迎業內人士批評指正，或提供產業應用相關線索。郵箱：zhanghuijuan@elecfans.com