未标题-1.jpg

垃圾分拣,是时候请机器人出手了

中国科学报 2021-06-02 作者:张双虎

  近日,国家发展改革委、住房城乡建设部联合印发《“十四五”城镇生活垃圾分类和处理设施发展规划》,明确统筹推进“十四五”城镇生活垃圾分类和处理设施建设工作,加快建立分类投放、分类收集、分类运输、分类处理的生活垃圾处理系统。并提出到 2025 年底,全国城市生活垃圾资源化利用率达到60%左右。

  尽管近年来我国生活垃圾分类和处理方面成绩可圈可点,但在部分城市和社区,垃圾分类仍是一个棘手的难题。

  日前,清华大学精密仪器系教授朱荣带领团队研制出一种多功能感知触觉传感器,它采用类皮肤的多层结构,将多模感知原位集成,实现对触感、物感、温感等多种感知的高密度集成,将触觉传感器应用于机器手抓握感知,实现了对物品的形状、大小和材料等多属性识别,并成功应用于垃圾分类。

  垃圾分拣,也许是时候请机器人出手了。

  分拣难题 

  截至去年底,我国首批开展垃圾分类先行先试的46个重点城市中,生活垃圾分类小区覆盖率已达86.6%,生活垃圾平均回收利用率为30.4%,厨余垃圾处理能力从2019年的每天3.47万吨提升到2020年年底的每天6.28万吨。

  中国战略性新兴产业环保联盟理事长、住建部科学技术委员会委员张益在肯定我国垃圾分类初步成绩的同时,也表达了目前垃圾分类工作地区差异较大的看法。“除46个重点城市外,多数地级城市和县城生活垃圾分类收运设施有待建立。当前源头分类、撤桶并点难度大,各地还需提高重视程度”。

  几天前,北京市丰台区介绍了垃圾分类示范小区(村)的“城市微环境”治理模式,称“小区居民全员参与垃圾分类,投放准确率达90%,桶前值守率达100%”。

  这个90%的准确投放率,靠的是100%的桶前值守率。也就是说,城市居民在投放垃圾时,还离不开监督员(督导员、引导员)。实际上,因为部分人分类意识或分类知识的欠缺,不少社区会在垃圾桶前安排督导员进行投放指导。部分小区因源头分类难以推行,干脆配备专人值守垃圾桶前,对居民堆放的垃圾进行破袋和二次分拣。

  清华大学环境学院教授、清华大学循环经济产业研究中心主任温宗国介绍说,我国尚未建立有效的法律法规、约束政策和经济激励机制,政府、居民和企业在垃圾分类中的不同环节缺位明显。虽然我国居民垃圾分类知晓度高达90%,但能够参与并比较准确完成分类的人群只占总数的20%~30%,能长时间坚持的人更少。

  “垃圾分类在任何国家都不是一蹴而就的事,既要做好‘打持久战’的准备,也要采取科学、系统和综合的措施,重点突破自家垃圾桶到公共垃圾箱的分类投放环节,彻底解决分类投放、收集、运输、处理全过程的系统运营难点。”温宗国说。

  助力垃圾分拣 

  “如何快速、准确识别出物体,并完成分选是机器人识别分类的难点。”朱荣告诉《中国科学报》,“人类分拣物体首先依靠视觉鉴别,然后用手完成分选。既然分选需要通过抓握来完成,在抓握过程中,利用触觉进行分类,就可以减少机器人对视觉的要求,在抓握(接触物体)的同时,进行鉴别和分选动作。利用触觉感知还可以满足在不具备视觉观察的场景中进行物体识别,比如火场搜救。”

  朱荣介绍说,柔性电子感知,具有对周围环境和作用的感知能力,还能针对不同生理参数做出反应,可用于穿戴式生理监测,服务于医疗健康;柔性感知也是智能机器人交互的关键,在机器人非视觉传感技术领域有着十分重要的作用。但目前柔性感知传感器和系统仍然存在技术瓶颈,实际应用面临着巨大的挑战。

  针对以上问题,朱荣团队提出一种基于热感应的多维传感新机理,利用热敏膜和外界的传导/对流换热对自身电阻的调控,实现了压力、温度、流场、热物性等参数的集成测量,由于采用简单的薄膜敏感结构和统一的热敏检测原理,这种柔性电子器件具有简单结构、集成度高、低交叉耦合、易调控、成本低等特点。

  面向智能机器人对触觉感知的应用需求,该团队又研制出一种将压力、材料热导率、物体温度和环境温度四重感知原位集成的触觉传感器,并将触觉传感器应用于机器人手感知系统,利用深度学习方法将感知转变为机器人对物品的认知,实现了对抓握物品形状、大小、温度和材质等多属性的高精准识别。

  “不同物体有不同的机械和热学的特性,利用触觉传感器检测物体的这些属性,可以有效识别出不同物体。”朱荣说,“该传感器可将压力感知与热物性等多模信息进行融合,从而大幅提高物品识别准确率,从基于单模压力感知的69%识别率提高到基于多模感知的96%。”

  人手有能力通过皮肤中的热感受器和机械感受器,来识别不同大小、形状和材料的物体。受此启发,朱荣团队分析了机器手抓取物体时最常接触的位置,在机器手的 5 个指尖和手掌上,安装了 10 个传感器,来检测物体的温度、环境温度、被测物体的导热率和接触压力等信息。

  朱荣团队以塑料袋、泡沫、纸箱、罐头盒、餐巾纸、面包、橙皮等7种垃圾作为实验对象,用7种垃圾的数据集去训练机器手。实验表明,结合多模触觉感知信息和机器学习之后,机器手识别7种垃圾的总分类准确率达到94%左右。该研究成果已发表在《科学—机器人》。

  机器人应有大作为 

  生活垃圾来源广、成分复杂,经常出现湿漉漉、脏兮兮的状态,因此传统的分选、筛选技术无能为力。

  同样是机器人垃圾分拣领域,上海交大中英国际低碳学院固体废弃物资源化技术与智能装备团队研发出超视觉垃圾分拣机器人,通过机器视觉中的三种主流识别传感系统(CCD视觉、激光视觉、近红外视觉)相耦合,综合判断目标物的外部特征(颜色、形状、纹理等)与内部特征(材质),达到垃圾的精准定位与细分判别。然后利用free-model的超视觉技术,实现各品类、各形状、各表面材料的样品识别。

  “超视觉垃圾分拣机器人有效分拣率可达95%,最高分拣速度5400次/小时。生产线上每套设备布置2个机械手,相当于替代了54个分拣工人的工作量。”超视觉垃圾分拣机器人项目负责人、上海交大中英国际低碳学院副教授李佳介绍说。

  垃圾分类工作量大、过程简单重复。人工分拣不但面临气味刺鼻、工作环境差等问题,还存在有害物质伤害人体健康的可能。同时,垃圾分类的目标之一是分拣出可回收利用物品,减少其他垃圾量。而可回收利用的垃圾种类有限,因此,机器人分拣垃圾大有可为。

  “实际生活中,机器人识别需要通过大量的样本学习,其难度在于,如何将生活中的各式各样物品收集到,作为样本让机器学习。如果将这些脏兮兮的物体作为实验样本让机器人学习,那么这些垃圾就能够被识别。”朱荣说,“当然,将视觉和触觉相结合是提高机器识别有效性和准确率的优选方案。”

  相关论文信息:http://doi.org/10.1126/scirobotics.abc8134

责任编辑:王超

科普中国APP 科普中国微信 科普中国微博
中国科学报
是中国科协为深入推进科普信息化建设而塑造的全新品牌,旨在以科普内容建设为重点,充分依托现有的传播渠道和平台,使科普信息化建设与传统科普深度融合,以公众关注度作为项目精准评估的标准,提升国家科普公共服务水平。

猜你喜欢