被垃圾逼疯的上海宁最近成为其他省市的快乐源泉，贡献了诸多精彩段子。不过不要紧，忙着“哈哈哈”的网友很快得知，到2020年底，包括北京、天津、上海、重庆、深圳等先行先试的46个重点城市，要基本建成垃圾分类处理系统。
一时间，垃圾分类成为热议话题，也催生了“智能垃圾经济”的新模式和新的成长空间。根据方正证券消息，仅生活垃圾分类就会为市场带来1万亿元左右的增量，其相关板块的利润增速或空间弹性将至少在30%。
这个巨大的蛋糕已经被AI注意到。垃圾分类，AI大有可为。
你是什么垃圾——AI如何判断？
先行开始垃圾分类的上海，目标是到2020年打造60个人工智能深度应用场景。7月2日，上海发布第二批人工智能应用场景需求，包括生活垃圾分类应用等共计28个场景。上海城投环境（集团）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导致后面终端处理的问题，因此发布的场景应用需求第一块就是针对小区垃圾前端的识别。”
日常中，每个类别的垃圾往往包含了各式各样的内容，仅凭经验，人们在分类投放时难免出现偏差。得益于AI的赋能，垃圾分类识别正变得精准高效。
AI用于垃圾分类，业界早有过相关的讨论，主要有三种方案类型：第一种方案，是把垃圾的相关信息制成表格化数据，然后用传统的机器学习方法实现分类；第二种方案，把所有的垃圾分类信息做成知识图谱，每一次查询就好像翻字典一样查阅信息；第三种方案，借助深度学习方法，来对垃圾进行识别和分类。例如每次给一张垃圾的图片，让模型识别出这是属于哪一种类别的：干垃圾、湿垃圾、有害垃圾还是可回收垃圾。
第三种方案正在成为主流。并由此拓展出两种分类方式：一种是单一目标分类，即对整张图片进行分类，为图片给出唯一的分类标签；另一种是多目标检测分类，是对图片中的多种垃圾进行定位及单独分类。前者在技术上相对容易实现，近期比较热门的几个手机垃圾分类APP都是使用这种技术。后者虽然更为实用，但研发难度更大。
太古计算总经理陈伟认为，在深度学习出现之前，可变形部件模型（DPM）一直是流行的目标检测方法。深度学习出现后，以R-CNN、Fast R-CNN、Faster R-CNN为代表的两阶段算法和以YOLOv1-3、SSD、RetinaNet为代表的单阶段算法成为主流。前者是先由算法生成一系列待检测目标的候选框，再通过卷积神经网络进行候选框的分类；后者则不用产生候选框，直接将目标边框定位的问题转化为回归问题处理。
太古计算目前正在进行垃圾分类识别相关方案的开发，采用深度学习技术训练，产品可实现上千种类别识别。据展示图例来看，识别精准度较高。
浙江是全国唯一一个在农村展开垃圾分类的省份。在最初的推行阶段，村民面临着没有垃圾分类习惯、不清楚如何分类等难题，往往厨余垃圾、残砖破瓦，甚至农药瓶等都混在一起，给后续处理带来很大难度。而在金华永康南部的某个村子，在采用了海康威视的智能摄像机和智慧音柱的方案后，情况有了明显好转。
智能警戒摄像机可以准确检测到监控范围内的人体和车辆，当摄像机发现是有人经过划定好的投递垃圾区域时，就会传递信号给智慧音柱，随后音柱就开始自动播放预先储存的音频文件，如：垃圾请分类入桶，餐厨垃圾扔绿桶，其他垃圾扔黄桶，从而提醒村民进行垃圾分类投放。由于摄像机内置有智能检测算法，当经过的是猫狗等动物时，摄像机可以判断经过的不是人体，因此不会受到干扰而误导音柱。
平安智慧也看上了“垃圾生意”，正在针对垃圾分类全流程搭建智慧分析管理平台。据其智慧垃圾分类项目负责人表示，政府在进行生活垃圾管理时会遇到一些难点：如统筹少、数据分散、监管主体增多、考核难等，如何为其提供系统性管理平台是平安的研究方向。
根据规划，在这一平台中，三大层次递进发挥作用：底层为大数据支撑体系，构建了智能调度模型、全流程考核评估模型以及检查点抽样模型；中层的多功能模块则包括从投放、收运到处理的全程分类，以及用以实效评估的全套督导考核体系；前段则以统筹型数据作展示。简言之，关于垃圾从源头到末端的定量监管、各环节工作的评估与绩效，平安智慧希望在这一个分析管理平台上得以实现。未来，这一平台将结合物联网、视频采集技术，精准追溯各环节的垃圾投放、收运，杜绝混装等违规操作，并成为处罚的依据。
AI+垃圾分类，相关人才受追捧
垃圾分类处理不仅仅局限在完成垃圾的初始分类，其背后的产业链还很长，AI则可以在产业链中发挥重要作用。垃圾分类处理和AI正在不断融合发展，进一步释放职业发展机会。
根据猎聘大数据研究院的数据显示，2019年上半年猎聘平台上与垃圾分类处理相关岗位的平均月薪达1.6万元。其中，生活垃圾焚烧发电工程师相关岗位平均月薪为2.2万元，固废垃圾处理开发相关岗位的平均月薪为1.9万元，垃圾分类市场经理相关岗位平均月薪1.4万元，水处理和有机垃圾设计工程师相关岗位平均月薪1.4万元，生活垃圾综合处理工程师相关岗位平均月薪1.2万元。
“垃圾分类处理产业链市场广阔，从前端回收到后端处理，可容纳的就业机会远比大家想象的多。例如垃圾发电工艺设计、固废垃圾处理开发、餐厨垃圾处理工程师等职位都与垃圾分类处理产业链有关。”猎聘职业顾问表示。
从猎聘上搜索的信息显示，解决方案总监、嵌入式软件工程师、AI产品经理等都是企业为了拓展垃圾分类处理领域的科技项目，面向科技人才所发布的职位。这些职位投递热度高，求职者普遍拥有5-8年的工作经验和名企工作背景。
AI赋能环保环卫产业
事实上，国际国内的环保环卫产业中早已频繁看见AI的身影：
我国政府部门借助AI技术，结合卫星图像、传感器以及监测仪器等手段，借助大数据精准又快速地确定污染源，助力早期污染检测；生态环境部曾推出排污许可“云平台”，实现了环境治理信息化管理。
智慧环保将AI技术融合到环境应急管理、环境监测中，通过大数据进行风险评估、分析，从而提出环境治理智慧型解决方案。
近两年，部分城市开始运用AI技术手段提升垃圾分类执行效率，例如北京和上海在社区试点智能垃圾桶，厦门等多地上线垃圾信息化管理平台。智能垃圾桶通过传感器、摄像头、图像识别算法来自动进行垃圾分类，居民只要拿着手机扫码开箱，按不同分类将垃圾投入回收箱后，就能得到相应的现金或积分奖励，甚至回收公司也可以通过APP来随时检查垃圾桶的剩余空间等。
在垃圾运输环节，沃尔沃与英伟达于上个月刚刚发布，联合开发适用于自动驾驶卡车的AI平台。双方将共同开发用于自动驾驶商用车辆和设备的决策系统，通过利用英伟达的端到端AI平台进行训练、模拟和车载计算，以实现系统可以帮助车辆安全地在公路和高速路上进行全自动驾驶。该解决方案包括传感器处理、感知、地图本地化和路径规划等，以支持各种自动驾驶应用情况，其中就包括垃圾清运回收场景。
国际上，美国丹佛市已经开始用智能机器人进行垃圾分拣，这种机器人具有深度自主学习的能力，采用计算机人脸识别技术，分辨出同材质垃圾之间的差别进行针对性识别，最终用机械臂拾取特定垃圾，大大提高了工作效率。
在垃圾处理的后端——废物循环利用领域，AI也早已有所贡献。BulkHandling System（BHS）是一家设备生产商，其机器人分类技术MAX-AI，能够鉴别出包括可循环利用物料在内的多种可回收物料，它分为Max-AI视觉系统和Max-AI自动质量控制（AQC）单元。视觉系统的作用是提供信息，而AQC单元则包含分类机器人，可以将传送带上的废物分拣成六个不同的种类，将不同的种类放入不同的分类槽。
未来，机器人的普及可以令工厂小型化，最终能够实现在摩天大楼或社区内修建微型物料回收设施，将这些微型回收设施整合起来，形成城市级、甚至国家级的废弃物料网络。一旦实现了这样的转变，废物循环利用产业就会改头换面，为新兴业务提供更大空间。
挑战巨大，不止AI要努力
垃圾分类政策给诸如智能平台、环卫设备、处理终端等领域带来了转型、优化的机会。与此同时，精细化分类之后，产业链条更为分散，对管理也提出更高要求。
AI用于垃圾分类，目前更多是在“动脑”，比如图像识别。要进一步提升效率优化垃圾分拣环节，则涉及到“动手”，需要配置垃圾分拣机器人。而机器人的使用势必需要一些先决条件，比如被分拣对象的相对标准化。目前看来，一是垃圾分类还未实现标准化，机器人能够达到多高的智能水平有待继续开发；二是即便技术可以实现，也要考虑敷设成本。
就像太古计算陈伟所说，垃圾分类最终的目标是为了提高回收效率，主要是运输和分拣。垃圾分类降低了之前负责这部分人力的分拣成本，但是从运输来说，原先能用一个桶装完的垃圾被分成了4个桶，运输的车也要增加，提高了运输成本。而相比分拣成本，运输成本才是最大的。AI技术的介入，他认为主要目标是如何提高其回收效率并降低成本。
目前看来，基于神经网络的算法进行图像分类，算法比较成熟，但是对足够量的训练图片集有着非常大的需求。由于神经网络算法是一种数据驱动的方法，对训练样本数据量及质量要求较高，数据量越大，识别判断越精准。每一类垃圾数据集的图片量越大，精准度就越高。
在完成垃圾检测的图像数据集后，就可以利用当前主流的深度学习检测算法来实现批量垃圾的分类。和垃圾分类器一样，一个理想的垃圾检测器，需要大量的“垃圾”标注数据来支撑。但是与分类数据集相比，检测数据集除了标注类别外还要标注图位置坐标，这样的标注工作更为艰巨，也成为当前最大的挑战之一。
垃圾智能分类的下一步——想象要狂野
通过AI对垃圾进行智能分类后，下一步是什么？从涉及垃圾分类的环卫设备、处理终端环节来看，市场潜力巨大。目前，各券商普遍认为，中短期利好垃圾分类环卫设备提供商，如垃圾收运车等；长期则利好终端垃圾处置企业如焚烧厂、处理厂等。
方正证券方面表示，“三个细分领域是关注重点，一是有害垃圾处理；二是餐厨垃圾的回收和利用，约有4000亿元的市场规模；第三是环卫设备的产业链。”
可以预见的是，人工分拣将被机器智能分拣逐步取代。垃圾处理将真正成为流水线作业，利用AI进行识别，并将识别结果交给流水线上的机器人或者机械手臂进行分拣，最终将分拣的不同类别的垃圾交由垃圾处理厂进行再回收、焚烧、净化、生物分解等方式处理。这样有望解决两方面问题：一是减少了垃圾分类的类别，居民只需要粗筛，降低了操作的难度，提高了可行性、可操作性；二是AI处理的方式，处理量大，经过高强度训练能达到处理精细化要求，效率极高，利于垃圾回收再利用。
甚至，AI能否将垃圾处理提升到产品在设计、生产之处就考虑最终的处理问题。比如电子产品，能否在设计时加入分解的维度，当需要废弃时可以直接自动分解？通过AI，能否重新设计人们每日生活方式？最终，让垃圾分类不再成为生活中的一种内容。