垃圾分类是当下的热点话题。
我
看到了几则有关分类的漫画，觉得很有意思。
垃圾分类改变了人们的生活习惯，很多朋友深有同感。
在这些现象背后，有许多问题值得我们思考。
垃圾分类习惯的养成并非一日之事，在分类规定推行初期，偶有误投也是难以避免的。
如何解决人工手动分类效率较低，投放错误等问题？
通过何种手段能够加强对分类情况的监管？
这些问题不仅出现在国内，是全人类在资源再利用的过程中共同面对的难题。
随着技术的迭代升级，已经有一些人工智能的研究者针对问题的解决贡献出了他们的智慧。
我想在这里分享一些AI技术在垃
圾分类领域的应用。
FANUC旗下的垃圾分拣机器人，基于人工智能的视觉分析系统对垃圾进行分类。
它的特点在于对垃圾精细的辨别和分析能力。
例如，分析出木材的质量，分辨出聚合物和塑料的区别等。
FANUC为分拣机器人设计了一套废旧物品自动回收技术，由多层神经网络及分拣系统组成。
视觉系统用于获取物品的视觉信息，下一步便是利用人工智能对物品进行鉴别。
根据物品的化学成分、大小、价值和位置来确定分拣的优先级，确保取得最优结果；
判断完毕后，机器人便可进行分拣。
值得一提的是，FANUC需多个机器人协同操作，由单个机器人进行分拣操作效率较低，速度较慢，也有很多物品被遗漏了下来。
但在实际流水线工作中，多台机器人同时进行工作，遗漏下来的物品就微乎其微了.
今年4月，美国麻省理工学院计算机科学和人工智能实验室开发了一款名为Rocycle的垃圾回收分选机器人，可通过触摸的方式区分纸张、金属和塑料。
研究人员认为，面对巨大的垃圾流并对其进行分选时，很多杂乱的东西会被隐藏在视线之中；
与通过视觉对材料进行判断的机器人相比，触摸更有助于准确判断材料质地。
新开发的垃圾回收分选机器人Rocycle是一个拥有两根柔软手指的机械手臂，可通过挤压物体完成抓取。
每个手指由两个平行的圆柱体组
成；
这些类似卷发筒的圆柱，使用的材质为拉胀聚合物；
当电动机启动时，聚合物会扭曲伸展，让手指变得更粗；
手指外还覆盖了用以感知的硅胶套。
在分选过程中，机器人对物体进行扫描，并用传感器测量物体尺寸；
使用其机械手臂上的两根柔软手指挤压物体以完成抓取，而手指上的压力传感器能够测量抓住物体所需要的力，并以此确定材料刚度。
最后，将扫描结果与压力传感器获得的数据相互对比匹配，分辨出物体材质后，Rocycle会将其投入正确的垃圾箱。
基于人工智能的视觉分析系统的ZenRobotics垃圾回收设备 (ZRR) 是全球首个机器人垃圾分类系统，ZRR 可同时进行混合型垃圾分类、有用垃圾分类和无用垃圾分类。
此外，ZRR根据垃圾种类的不同：
建筑拆迁垃圾、木材垃圾、运输垃圾、纺织垃圾和废金属垃圾进行了不一样的设计。
值得一提的是，ZRR在建筑垃圾分拣领域上处于领先优势。
ZRR 传感器单元对垃圾流进行扫描，识别各种材料、物体和抓取位置，ZRR大脑控制软件分析数据和控制机器人，ZRR智能抓取器可选取所需的物体，机器人对同一位置的多种碎物进行分类。
ZRR 可对重达30公斤的大型重物进行分离，每小时选取次数最高可达 4,000 次。
一天就可以处理2000吨垃圾，相当于48个人的工作量。
与人工相比，30万吨的年处理量使用机器人分拣可提升40%的效率。
Oscar人工智能垃圾分类系统由Intuitive AI公司开发，拥有32英寸显示屏和人工智能摄像头，利用计算机视觉系统对垃圾进行分类。
Intuitive AI公司的首席执行官Hassan Murad表示，在“垃圾网”里，成千上万的垃圾图片可以被分类成数百个类别，这些图片都是通过“垃圾搜索”收集的。
Murad说：
“该系统正在接受训练，可以从局部视觉线索识别垃圾，比如当一个人的手抓着一个可乐罐或一袋皱巴巴的薯片时,它可以对人手中的垃圾进行识别。
”
根据识别与分析结果，它能对用户的投放行为进行指导，并与用户进行互动。
它能够直接在显示屏上指示用户根据分类将垃圾丢入桶内。
如果成功完成分类，屏幕上会撒满五彩纸屑，或分享一些福利、折扣二维码。
如果分类错误，Oscar会提出批评，还会在屏幕上显示一个暗红色的标志，提醒用户犯了错误。
Trashbot由位于匹兹堡的CleanRobotics公司开发，利用人工智能机型自动分拣，消除人为的垃圾分拣错误。
除了自动分拣，它还能监控垃圾流向，对回收情况进行分析。
Trashbot利用各种传感器和人工智能技术识别垃圾的材料，将其分类。
通过传感器和云处理，它能检测垃圾投放情况，根据社区的垃圾投放情况进行实时更新。
若系统检测到垃圾桶已满，它将会把这一信息及时发送给居民。
