智能垃圾分类策略

随着中国经济的快速发展和城市化水平的进一步提升，使得城市生活垃圾产量的急剧增加，且由于落后的垃圾处置方式导致“垃圾围城”，如何有效治理城市生活垃圾，减少垃圾产生的数量，减轻垃圾对环境和人体的危害，提高垃圾的资源化利用率，成为当今时代的主旋律。基于上述问题，本推文提供智能化垃圾分类机器人（初步方案），辅助人们进行垃圾分类，从而提高资源利用率。

城市垃圾处理经常采用的手段（国内）：1、填埋法：占用大量土地，并且污染水源现象的发生；2、垃圾焚烧：产生大量的有毒有害物质，对环境具有严重的破坏。与此同时，国外采用垃圾分类的方式，对生活垃圾进行回收利用，提高了生活垃圾的资源利用率。因此，建立以资源回收利用为核心的垃圾分类处理体系，是减少生活垃圾处理量、减少垃圾对环境污染的有效方法。

垃圾分类存在的问题

1

城市生活垃圾分类回收系统涉及的主体包含包含居民、企业和政府等，研究表明，环境态度、社会规范、宣传教育、环境设施建设（情景因素）四个方面对居民生活垃圾处理行为具有较大的影响。

目前垃圾分类主要是依据人们相关的经验，具有较大的主观性，具体存在的问题有：1、不清楚垃圾的种类所属；2、缺少必要的监管规范，具体情况如下图所示，极大地影响垃圾资源化的利用。

垃圾分类过程中，面对众多垃圾，是否时常会感到茫然无措？例如：干净的纸巾是可回收物，用过的纸巾又属于干垃圾，垃圾分类具有一定的迷惑性，人们第一反应经常为：哎呀，好难呀！从而影响人们垃圾分类的积极性。

——垃圾分类的囧境

理智

欲望

积极考虑

垃圾分类 从我做起 我要保护环境

负面情绪

好像没有人看见 算了 还是上班要紧

环顾四周，没有一个人，我把垃圾扔哪里呢？连一个问的人都没有，算了，还要急着上班，先随便扔一个再说吧！

——垃圾分类的囧境

哎呀！垃圾一不小心扔错了，我要再拿出来重新扔吗？但是又一想，好脏呀！

——垃圾分类的囧境

智能垃圾分类策略

2

中国从上世纪就开始实施垃圾分类策略，2000年住建部也确定了北京、上海、厦门、广州等作为全国第一批垃圾分类试点城市，但是将近20年过去，由于多种原因试点城市的垃圾分类成效仍然不尽人意，有些甚至处于举步维艰的状态，深受诟病，如何切实提高垃圾资源化利用率，避免陷入形式主义就显得极为重要。

随着技术的发展，近些年来人工智能的兴起，具有视觉以及听觉的智能机器人在生活中具有越来越广泛的应用，本部分提供智能机器人在垃圾分类中的应用方案。

对该课题国内外研究现状进行调研，结果表明垃圾分类过程离不开人为辅助，例如：垃圾回收过程中需要人为辅助垃圾分类（如下图所示），把居民未正确规放的垃圾进行正确分类，进而提高资源化利用率，如何利用机器人替代人们重复性的劳动具有重要的意义。

垃圾分类具有多种策略，其中基本的方法有：1、利用材料基本性质进行分类（类似于高中化学课中杂质去除方式）（风吹法、沉降法等）；2、利用人工智能的方式，使机器模仿人类垃圾分类的方式，通过自学习提高垃圾分类的准确率，具体为：

1、利用材料的基本性质进行垃圾分类：垃圾主要包含干垃圾、湿垃圾、可回收垃圾以及有害垃圾等，该方式利用材料基本的物理性质，可以用来回收垃圾中特定的某一类或几类（不适用于对垃圾进行全部分类）。例如：城市生活垃圾主要成为如表所示，从表中可以看出，生活垃圾中的主要成分均可降解，不可降解的主要包含塑料、金属以及玻璃等，因此，生活垃圾分类可以简单转变为如何从生活垃圾中挑选出上述三种材料，根据以往经验可知，金属具有的特殊性质包括（导电性、密度、磁性等），塑料具有的性质包括（降解性、光谱等）。

表1 1985—2000年中国城市生活垃圾成分(平均值)调查统计结果

2、利用深度学习进行垃圾自动判别，建立分类后垃圾处理的全过程链。该过程具有相关经验积累，主要包含信息的采集以及智能机器人控制中心（大脑）的材料分类两部分，通过力学传感、视觉传感、温度传感器等组合一个仿生技术，信息采集主要包含视觉信息、材料硬度信息、导热系数的概况以及密度等。

现有技术积累

3

智能化垃圾分类机器人的研发需要多方面的技术支撑，灵感来源于建筑垃圾分类的基本方法（郑州大学），近些年来在相关方向具有相关经验积累，主要为：

1、机构、结构设计方案：相关项目有并联机构设计、力学相关的分析计算（运动学和动力学分析）以及机构控制（PID、模糊控制）等；

2、机器手臂设计方案（具有相应触觉）：空间机构分析、计算；

3、温度信号测量以及后续电路设计（硬件设计以及相应分析计算）：获取稳定、准确的温度信号；

4、电路板设计经验（FPGA）（相对经验较少）；

5、图像处理相关经验积累；（前期具有激光测距、以及点云图像生成相关经验）；

6、具有智能算法相关经验（主要包含支持向量机（SVM）以及神经网络两部分）：智能算法是智能机器人的核心，前期具有相关项目积累（轴承故障诊断、微动疲劳寿命预测）。

原创：飘

校核：范大师