From Classification to Collection: A Multi-Task Deep Learning System for Automated Waste Sorting with Real-World Prototype Evaluation

垃圾分类是一项看似简单，但当你试图做到完美时就会感到困难的任务。在包括埃及部分地区在内的许多地方，这项工作都落在人类家庭身上，他们花费数小时将塑料与纸张、金属与玻璃以及有机物从其他杂物中分离出来。这既缓慢又艰辛，且往往导致有价值的材料在整体废弃物流中流失。为了解决这个问题，科学家们转向了能够“看见”并自动分类垃圾的计算机。这些系统依赖于一种被称为深度学习的人工智能，它利用数字处理层来识别图像中的模式，就像人类通过观察许多示例来学习识别猫或汽车一样。当这些系统与物理机械相结合时，它们有望以速度和精度处理枯燥的回收工作，从而潜在地节省资源并保护环境。

美国开罗大学的一组研究人员通过构建一个智能垃圾桶的工作原型，将这一概念向前推进了一步，这个垃圾桶的功能不仅仅是识别物体是什么。他们创建了一个像细心的守门人一样的系统，在决定一件物品属于哪里之前，先检查是否存在特定问题。研究人员发现，通过将分类工作分解为四个不同的步骤——检查是否有液体、检查物品是否由多个部分组成、决定其是否可以回收，以及最后识别材质——他们可以制造出一台高精度分类垃圾的机器。他们的工作是与食品公司雀巢（Nestlé）及废物管理组织达瓦尔（Dawar）合作开发的，最终产生了一个能够成功分类现实世界垃圾、准确率达到92.4%的实体垃圾桶。

他们的核心创新在于操作顺序。以往大多数自动化分类的尝试仅侧重于识别材料（如塑料或纸张）。然而，研究人员意识到，现实世界的垃圾往往带有会让简单系统感到困惑的复杂情况。例如，装有剩余苏打水的塑料瓶可能会毁掉整批回收物，而带塑料盖的咖啡杯实际上是两个粘在一起的不同材料。为了处理这种情况，团队设计了一个顺序流水线。第一步是检查物品是否含有液体。如果摄像头看到液体的迹象，机器就会停止并将物品退回给用户，以防止污染。第二步检查物品是单一物体还是混合部件。如果用户试图丢弃一个包含多个组件的复杂物品，机器会再次将其标记为需要人工分离。只有通过这两项安全检查的物品才能进入下一阶段，即由计算机决定该物品是否可回收，以及如果是，它是由什么特定材料制成的。

为了教会计算机这些技能，研究人员训练了四个独立的、专门用于特定任务的人工智能模型。他们使用了迁移学习技术，这种技术允许计算机从已有的关于通用图像的知识出发，然后针对观察垃圾这一特定任务进行微调。对于检测液体和识别多组件物品的任务，团队通过拍摄数千张真实废弃物的照片，建立了自定义的数据集。他们多次测试这些模型以确保结果的一致性，发现系统检测液体的平均准确率约为91%，识别单一与多组件物品的准确率约为96%。负责决定某物是否可回收以及其材质的模型的表现甚至更好，准确率分别达到了96.8%和94.3%。

软件准备就绪后，团队构建了一个物理原型，在现实环境中测试该系统。该垃圾桶是一个带有五个内部隔层的木制外壳：有机可回收物、纸张、塑料、其他可回收物以及不可回收物。在内部，一个带有旋转托盘的机械臂充当分类器。当用户将物品放入垃圾桶时，摄像头会捕捉图像，随后四步走的软件流水线会对图像进行分析。如果物品通过所有检查，软件会向机械臂发送指令，机械臂会旋转以使托盘位于正确的隔层上方并落下物品。整个过程是一个连续的流程，旨在模拟人类检查和分类垃圾的方式，但具备机器的速度和一致性。

研究人员使用了一组由合作伙伴达瓦尔提供的来自埃及社区的大量废弃物图像对系统进行了测试。这至关重要，因为这使他们能够观察系统在处理看起来像人们实际丢弃的垃圾时的表现，而不是仅仅使用用于训练的干净、完美的照片。该集成系统能以92.4%的准确率将这些现实世界的物品正确分类到五个指定的隔层中。这一结果表明，在做出最终决定之前使用多个专门检查的方法是有效的。然而，研究人员也指出了局限性。该系统完全依赖视觉，因此无法看到密封不透明容器内的液体，且机械部件尚未经过在繁忙公共场所长期耐用性的测试。

尽管存在这些挑战，该项目展示了自动化回收的一个清晰路径。通过将专门的人工智能与物理分类机制相结合，团队已经证明，制造出一种能够理解废弃物细微差别（如污染和混合材料）而非仅仅根据形状或颜色进行猜测的机器是可能的。大学、大型企业与当地废物管理组织之间的协作提供了将计算机模拟转化为工作设备的必要资源。虽然该系统尚不完美，仍需进一步测试以处理现实世界中各种各样的垃圾，但它为未来提供了一个令人期待的前景：届时，分类废弃物的艰苦工作将由机器处理，让人类能够专注于其他任务。