【美国】自动化回收中心将利用人工智能优化废物分类

要点
- AMP ONE 系统在特定场景下分类准确率超过 90%,能识别数百种材料包括 PET 和纸板。
- 位于弗吉尼亚州朴茨茅斯的设施已部署该系统,用于高速处理市政废弃物和可回收物流。
- Waste Connections 管理的新中心年处理能力达 62,000 吨,预计 2026 年投入运营并装备 AMP ONE。
- 法国当前包装物回收率约为 69%,复杂塑料回收率远低于此,存在巨大的自动化分选提升空间。
如果我们的废弃物分类终于能变得真正“智能”,那该有多好?目前,法国的分类中心在处理包装废弃物时仍面临诸多困难,而一项创新技术或许能改变这一局面:AMP ONE,一套由人工智能引导的美国机器人分类系统。这堪称一座自主运行的工厂,旨在以更快、更洁净、且零分类错误的方式识别并分离废弃物。鉴于回收工作本身是一项艰巨挑战,此类创新自然备受关注,且其性能表现已有充分记录,令人印象深刻。
专为替代(或减轻)人工分类而设计的完整工厂
与那些在病毒式传播视频中出现的简单机械臂不同,AMP ONE是一套完整的解决方案,一个紧凑型的分类中心,可即装即用。根据制造商官网提供的官方技术文档,该系统能够在某些场景下,以超过90%的准确率识别并分类市政废弃物流中的材料。其原理在于多种技术的深度融合:机器视觉、深度学习、材料识别、形状分析等。其中,“Neuron”模块能够识别数百种材料,从PET塑料到纸板,再到金属和玻璃。艾伦·麦克阿瑟基金会(Ellen MacArthur Foundation)在循环经济框架下对该创新进行了记录与阐释。简而言之:在人眼容易疲劳出错的地方,机器却从不失误。
已在美国部署……未来将走向全球?
与许多仍停留在实验室阶段的创新不同,AMP ONE已投入实际运营。一个具体案例是位于弗吉尼亚州朴茨茅斯的设施,Recycling Inside 对此进行了详细报道。该设施利用此系统高速处理市政废弃物和可回收物流,目标是最大化回收可再利用材料。而这仅仅是个开始。BusinessWire 的一则新闻稿宣布,该系统将装备一座由 Waste Connections 管理的新中心,该中心年处理能力达 62,000 吨,预计于 2026 年投入运营。换言之,人工智能分类不再是遥不可及的未来概念,而正在逐步成为行业常态。
这项创新为何可能彻底改变格局?
我常谈论回收、分类规则、被压扁(或未被压扁)的瓶子,以及溢满的黄色垃圾桶……我清楚地看到,整个体系依然十分脆弱。分类错误代价高昂,不仅拉低了实际回收率,还导致数吨物料流失。AMP ONE 正是在这些痛点上实现了突破:
在法国这样一个包装物回收率约为 69% 的国家,某些复杂塑料的回收率却远低于此,这类系统的前景十分广阔。此外,正如我们此前在文章中所述,更精准的垃圾分类还能降低生活垃圾处理税!
你知道吗?一个被错误分类的包装物,可能导致整批回收物料报废。
迈向新型分拣中心模式?
我在调研中最受触动的是 AMP ONE 的定位:它不是一台机器人,而是一座自主运行的微型工厂。从长远来看,这可能意味着:
考虑到法国目前仍将大量废弃物运往国外处理,这一前景颇具吸引力。
我们正大规模应用人工智能驱动的分拣技术,以现代化全球回收基础设施,并最大化废弃物中的价值——帮助废弃物处理企业和市政当局提高回收率和分流率。
#美国回收日 快乐!pic.twitter.com/hPDmoYtmEU
— AMP (@AMPSortation) 2025年11月15日
那么,AMP ONE 能否革新法国的回收体系?
坦白说?我认为可以!其宣称的性能扎实,首批部署效果良好,而 AMP Robotics 的大规模投入表明,该技术已成熟并具备工业化规模应用的条件。当然,成本问题依然存在,预计不会低。作为一名严格遵守分类指南的环保爱好者,我承认自己有点“极客”倾向,而这项创新确实让我非常想去参观一座配备 AMP ONE 的分拣中心,亲眼看看机器如何运作。
编辑观点
AMP ONE 的工业化部署标志着 AI 分选从概念验证进入规模化应用阶段,其高纯度输出直接利好下游再生塑料造粒环节。从业者应关注此类自动化设备对传统人工分选岗位的替代效应,以及其在提升 rPET 等食品级再生料纯度方面的实际成本效益。
常见问题
AMP ONE 系统的分类准确率能达到多少?
该系统在特定场景下可实现超过 90% 的分类准确率。这一数据基于制造商官方技术文档及艾伦·麦克阿瑟基金会的记录,表明其在识别 PET、纸板、金属等材料时具备高可靠性。
AMP ONE 即将部署的新中心年处理能力是多少?
新中心年处理能力为 62,000 吨,预计 2026 年投入运营。该中心由 Waste Connections 管理,将装备 AMP ONE 系统,旨在高速处理市政废弃物并最大化可再利用材料的回收率。
相比人工分类,AMP ONE 在降低错误率上有何优势?
AMP ONE 通过机器视觉和深度学习实现零分类错误,避免了人眼疲劳导致的失误。在法国包装回收率约 69% 的背景下,精准分选能防止因单个包装误分导致整批物料报废,从而提升实际回收效率。