4.22 世界地球日 | 机器比人类更爱地球

By 超神经

场景描述：通过深度学习、神经网络，训练机械臂像人一样识别垃圾进行分类，效率远高于人工分类，以缓解垃圾污染带来的生态问题。

关键词：视觉识别 多层神经网络 压力传感器 垃圾分类

每年的 4 月 22 日是为保护地球环境而设立的「地球日」，今天，已是第 50 个世界地球日，但是它似乎一直没有得到重视。

大气污染、气候变暖、垃圾污染等种种环境问题威胁地球已久。以垃圾污染为例，你可能没有察觉，在城市，我们产生的生活垃圾正在以每年 10% 的速度增加。

全球约三分之一的垃圾没有经过处理，就直接会被倾倒。

这些垃圾带来的危害，可能会延续数百年之久

仅中国，每年产生近 10 亿吨垃圾，其中生活垃圾产生量约 4 亿吨，建设垃圾 5 亿吨左右，此外，还有餐厨垃圾 1000 万吨。

随着人工智能技术越来越成熟，每年借由智能技术的方式，能够将两万吨可回收材料从垃圾填埋场中挽救回来。也就是说，我们能够利用技术，大大提升垃圾回收率，而且在效率上也远远高于人工。

「视觉」分类的机械臂：图像识别+神经网络

目前比较主流的一种处理垃圾的方法，是借用计算机视觉中的图像识别，配备智能分拣机器人，对垃圾进行分类。

美国的 BHS（ Bulk Handling Systems ）公司，在全球投入了近 60 台智能分拣机 MAX-AI 。MAX-AI 通过视觉识别和多层神经网络技术，配合传送带送递垃圾，最终实现不不同材质的分类。

 MAX-AI 分拣机器人就像一个倒置的三脚架，最末端是吸盘

MAX-AI 识别和分类物品的准确率能够达到 90% ，几乎和人类一样，但速度是人类的两倍。

而另一家叫做 ZenRobotics 的公司，则是利用机械臂配合图像识别，来对建筑碎片进行分类挑拣。

该公司最大的机器人分类器，叫做 Heavy Picker，它的手臂末端是一个超大的钳子，可以抬起 60 磅重的物体，负重的它却特别灵活，能够快速进行分类工作。

ZenRobotics 使用的分拣机器人通过以下几个步骤进行分类：通过摄像图对垃圾流进行扫描，然后用机器学习识别材质，控制机械臂进行抓取，最后对同一材质的垃圾进行归类。

ZenRobotics 的首席执行官 Taalas 说，除了能够胜任建筑材料的分拣工作，他们的机器人还可以在造纸厂、塑料回收和原材料回收领域发挥作用。

「触觉」分类的机械臂：触觉传感器

麻省理工学院的计算机科学与人工智能实验室（ CSAIL），最近开发了一个智能机器人，利用传感器的「触觉」来实现不同垃圾材料的分类。

和基于视觉原理的机器人不同，这款智能机器人主要依靠机械臂上的传感器夹具，夹具完全由电动驱动。通过接触，它便能检测纸张，金属和塑料之间的差异。比如通过感知其导电性来判断金属物体。

 机器人手臂具有柔软的抓手，它可以从传送带上取下物体，并通过触摸识别垃圾的材料。

夹具部件是一对气缸和高变形电容式压力和应变传感器。本月早些时候，实验室发布了一个视频，显示正在工作的机器人抓住盒子，杯子和罐子。根据视频，纸杯，空盒子，汽水瓶都可通过压力传感器进行分类。

垃圾第一站：家→回收点

还有一些环境保护组织希望提高人们垃圾分类回收意识。

Urbika 和俄罗斯绿色和平组织在合作一个项目：设计一个垃圾收集地图 recyclemap.ru，帮助人们通过地图找到最近的垃圾回收点。

用户只要输入住址，Recyclemap 就通过不同颜色

显示出最近的投放点和投放垃圾类别

对于垃圾，按照材料分类：塑料，玻璃，纸张，金属和其他材料 ，并将它们送去回收。Recyclemap 会显示市民移交已经分类并准备回收的垃圾。

目前该产品已在全俄 69 个城市推广，每年近 50 万俄罗斯用户通过该地图查询垃圾投放点的位置信息。

在地图开发过程中，开发人员也能够根据数据，发现一个些数据偏好：比如垃圾回收点的分布，不同城市的主要回收类型，不同地区回收率以及不同类型的垃圾被送到回收点的难易程度等等。

 在俄罗斯各个城市不同垃圾类型的受欢迎度表示

针对这些数据，不断地展示所有的回收点，做出更合理和个性化的部署安排。比如在面板中选择投递两种材料，则会显示两种材料都可以处理的点。

该团队收集的数据由俄罗斯 69 个城市的志愿者收集。为了更方便使用，他们的地图具有导航功能。会对道路、地铁站等地标突出显示。

此外，为提高人们回收积极性，地图会首先从低缩放级别开始，显示所有的回收点，这表明全国各地的人们都在收集二手材料; 另外，显示点的密度，可以让人们意识到每个城市都有很多垃圾回收点。

上心才是解决问题的关键

在垃圾分类问题上，那些已经成功应用的企业方案不在少数，而且已经在为环境起着积极的作用。

但是，这些智能化的方法，只是将已经产生的垃圾放在合适的位置。最根本的，还是人们能够在垃圾的制造和归类上提高意识，减少垃圾产生，做好垃圾分类工作，让「爱地球」不只是口头说说而已。

毕竟，谁都不愿意自己活在垃圾的海洋之中。

超神经百科

物体识别 Object detection

物体识别是计算机视觉及影像处理中的术语，指的是让计算机去分析一张图片或者一段视频流中的物体，并标记出来 这需要给神经网络大量的物体数据去训练它，这样才能进行识别。

它广泛应用于计算机视觉任务，如人脸检测，人脸识别，视频对象协同分割等。它还用于跟踪物体，例如在足球比赛期间跟踪球，跟踪板球运动的移动，跟踪视频中的人。

用于对象检测的方法通常属于基于机器学习的方法或基于深度学习的方法。对于机器学习方法，有必要首先使用以下方法之一定义特征，然后使用支持向量机（ SVM ）等技术进行分类。另一方面，深度学习技术能够在没有专门定义特征的情况下进行端到端对象检测，并且通常基于卷积神经网络（ CNN ）。

历史文章（点击图片阅读）

花莲地震前 20 秒就已报警，地震精准预测不再遥远？

龙妈苟活还是凉凉，预测算法哪家准？

妄想只用技术就能为巴黎圣母院这些文物续命？naive！

AI 百科

教程

数据集

商店

更多

http://hyper.ai