作者:ripple
编辑:生煎
您正在阅读算力智库第380篇原创作品
算力说
“侬是啥垃圾”,自从上海垃圾分类以后,每天早晨都要接受垃圾桶旁志愿者大妈来自灵魂深处的拷问。ai垃圾分类技术也许可以回答您~
【算力观点】
算力智库认为,建立全自动化无人垃圾智能分拣系统,把垃圾中的资源分类归集,循环利用,将是利国利民的重要事业。目前,国内外有很多自动分拣企业主攻“垃圾智能分拣”技术与应用,并已取得了很大成绩。
本文将通过对zenrobotics、fanuc和rocycle三家代表性企业/机构的分析,展现各个“垃圾分类流派”的产品特性、工作方式以及性能效率。
1
芬兰: zenrobotics垃圾分类系统
zenrobotics是一家专门从事人工智能控制机器人系统的高科技公司。同时,也是机器人垃圾分类技术的领先供应商。
产品特性:针对性设计,专业领域强
zenrobotics 的垃圾回收设备 (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。
工作方式:基于人工智能的视觉分析系统
① zrr 传感器单元对垃圾流进行扫描
② zrr大脑控制软件用于分析数据和控制机器人
③ zrr大脑可识别各种材料、物体和抓取位置
④ zrr智能抓取器可选取所需的物体
⑤ 机器人对同一位置的多种碎物进行分类
性能效率:高性能,高效率
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。zrr 还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。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。
2
日本: fanuc视觉分拣机器人
fanuc是一家历史非常悠久的数控系统公司,早在上世纪70年代,已是世界上最大的专业数控系统生产厂家。有意思的是,它可能是目前世界上为数不多由机器人来制造机器人的公司。
产品特性:小而灵巧,辨别力强
fanuc lrmate 200id是公司旗下的明星产品。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。
工作方式:基于人工智能的视觉分析系统
fanuc为分拣机器人设计了一套废旧物品自动回收技术,由人工智能(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。
性能效率: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。
3
美国: rocycle 触觉分拣机器人
不同于前两个公司属性,这款名叫rocycle垃圾分拣机器人是美国麻省理工学院计算机科学和人工智能实验室开发,属于“学院派”产物。
产品特性:触觉分析,稳定抓取
与fanuc的分拣机器人不同的是,这款机器人并没有使用视觉分析系统,而是使用了触觉作为检验材料的方法。在分辨两个外表几乎一致但材料不同的物体时,触觉系统比之视觉分析系统有着更加精准的表现。并且由于是软体抓手缘故,它可以更轻松的抓起各种形状不规则的物品。
工作方式:基于人工智能的触觉系统
在分选过程中,机器人会对物体进行扫描,并通过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。
性能效率:性能有限,效率平平
基于材料的特性及研发的“手性剪切拉胀”技术。rocycle机器人手允许设备使用常规电机,而非像其他软体机器人一样使用昂贵的空气泵和压缩机。但在准确率方面,静止状况下的准确率能达到85%,在模拟传送带上准确率也能达到63%。就一项“另辟蹊径”的技术而言,它还有足够多的上限空间可以期待被挖掘。
文章所载观点仅代表作者本人
且不构成投资建议
敬请注意投资风险
往期精彩报道
80后掌门人珠宝转行做军工,科创板助力国防信息化大浪淘沙
arm断供华为,被捏住软肋的“中国芯”能否靠科创板逆袭
刚获1.2亿新融资的亮风台创始人廖春元:正在关注科创板
万众瞩目!科创板首发股马上诞生,为什么它们能首批上市
成立七年,仍亏损!ai教育第一股流利说,流年顺乎
拼多多在左,苹果在右,傍上绿地的涂鸦智能该何去何从
市北高新马慧民:5g+大数据,催生“数据智能”新机遇
一嗨蔡礼洪:自动驾驶时代,打车租车殊途共归
