Recycleye是一家专注于人工智能驱动的垃圾分类与回收自动化的科技公司。该公司成立于2019年，开发计算机视觉系统和机器人分拣解决方案，使材料回收设施能够以高精度和高速度识别并分离可回收材料。其核心技术应用机器学习模型来识别各种废弃物类型，从常见包装到复杂的复合材料，并通过机械臂在传送带上对物品进行物理分拣。
公司的使命是提高回收率并减少回收流中的污染，解决全球废弃物管理行业的一个关键瓶颈。通过自动化分拣过程，Recycleye旨在使回收在经济上可行、在环境上有效，减少对人力的依赖并提高回收材料的纯度。
成立与历史
Recycleye由Peter Hedley和Victor Dewulf于2019年创立，两人在牛津大学学习期间相识。Hedley是工程师，Dewulf是计算机科学家，他们发现了传统废弃物分拣设施的效率低下问题--人工分拣员经常漏掉有价值的材料或错误分类物品，导致重大损失。他们开发了一个原型，将机械臂与基于废弃物图像数据集训练而成的视觉系统相结合，证明了自动化分拣的可行性。
公司最初在伦敦的一个小型实验室运营，从包括欧洲航天局商业孵化计划在内的投资者处获得了种子资金。2020年，Recyclye推出了其首个商业产品Recycleye Robotics系统，部署在英国的一家材料回收设施中。到2021年，公司已将业务扩展到欧洲多个站点，并于2022年完成了由DCVC领投、现有投资者支持的2500万美元A轮融资。这笔资金使公司能够扩大制造规模并开发更多产品线，包括Recycleye Vision系统--一种提供废弃物组成实时数据的独立监控工具。
截至2024年，Recycleye已在英国、欧洲和北美超过20个设施中完成安装，每年处理超过10万吨废弃物。公司还与包括Veolia和Biffa在内的主要废弃物管理公司建立了合作伙伴关系，将其技术集成到大规模回收运营中。
技术与产品
Recycleye的核心技术是使用深度学习算法的计算机视觉系统，能够实时分类废弃物物品。该系统基于数百万张标注图像组成的专有数据集进行训练，覆盖广泛的材料类型，包括塑料（PET、HDPE、PP、PS）、金属（铝、钢）、玻璃、纸张、纸板以及有机废弃物。视觉系统还能识别特定产品类型，如饮料瓶、食品容器和包装薄膜，从而实现精确分拣。
公司提供两款主要产品：
- Recycleye Robotics：一种安装在传送带上方的机器人分拣系统。它使用带有吸盘或抓取末端执行器的机械臂，将识别出的物品拾取并放入指定的料斗或料箱中。该系统运行速度可达每分钟80次拾取，据称对常见材料的准确率超过95%。
- Recycleye Vision：一种监控与分析系统，使用摄像头和AI提供废弃物组成的连续数据。它生成污染率、材料纯度和吞吐量等指标，设施运营商可利用这些数据优化流程并满足监管报告要求。
两款产品均设计为可改造安装到现有设施中，无需重大基础设施变更。系统由边缘计算设备驱动，AI模型在本地运行，从而降低延迟并确保即使在网络连接有限的环境中也能正常运行。
AI与机器学习方法
Recycleye的AI模型基于神经网络架构，特别是用于图像识别的卷积神经网络（CNN）。训练过程包括对标注废弃物图像进行监督学习，并通过生成式AI技术增强合成数据，以提高在不同光照、角度和传送带速度下的鲁棒性。模型通过反馈循环持续更新：当系统出错时，相关数据会被标记并用于重新训练，这一过程称为主动学习。
公司还采用迁移学习技术，从大型图像数据集（如ImageNet）上的预训练模型开始，然后在废弃物特定数据上进行微调。这种方法减少了所需标注数据量，并加快了新材料的部署速度。Recycleye开发了专有的标注流程，使用半自动化工具对图像进行注释，将人工监督与初步模型的自动建议相结合。
Recycleye解决的关键挑战之一是废弃物物品的多样性--物品可能损坏、脏污或部分遮挡。为应对这一问题，视觉系统采用多视角分析，从多个角度捕捉图像以提高分类置信度。此外，系统集成了残差网络架构，即使在物品重叠或快速移动的情况下也能保持准确性。
行业影响与应用
废弃物分拣行业传统上依赖人工分拣，这种方式劳动密集、存在安全隐患且容易出错。Recycleye的自动化技术通过提供一致、高速的分拣来解决这些问题，降低运营成本并提高材料回收率。在部署Recycleye Robotics的设施中，运营商报告有价值材料的回收率提高了20-30%，污染显著减少，这直接影响分拣后材料的转售价值。
该技术在更严格的回收法规背景下尤为重要，例如欧盟的《循环经济行动计划》和生产者责任延伸计划，这些法规要求更高的回收目标和更好的数据报告。Recycleye Vision提供精确的数据，帮助设施证明合规性并优化分拣线。
除了传统回收领域，Recycleye的技术在其他行业也有潜在应用，包括电子废弃物处理和建筑废弃物分拣。公司已在这些领域开展了试点项目，但商业部署仍主要集中在城市固体废弃物和包装回收方面。
融资与增长
由于对可持续废弃物管理解决方案的需求不断增长，Recycleye吸引了大量投资。主要融资里程碑包括：
- 种子轮（2020年）：200万美元，由Playfair Capital领投，欧洲航天局和天使投资者参与。
- A轮（2022年）：2500万美元，由DCVC领投，现有投资者参与。
- B轮（2024年）：4000万美元，由淡马锡领投，使公司总融资额超过7000万美元。
公司利用这些资金扩大了工程团队，增强了AI研究能力，并在英国建立了制造设施以大规模生产机器人系统。截至2024年，Recycleye拥有超过100名员工，在伦敦设有办事处，并在波兰华沙设有研究中心。
竞争格局
Recycleye所处的市场竞争激烈，其他AI驱动的废弃物分拣公司包括AMP Robotics、ZenRobotics和Greyparrot。与一些主要专注于机器人的竞争对手不同，Recycleye通过其双产品组合（机器人与视觉分析）以及对数据驱动优化的重视来实现差异化。公司还将自身定位为全服务提供商，提供安装、培训和持续模型更新，采用基于订阅的定价模式。
Recycleye的一个关键竞争优势是其专有数据集，该数据集通过持续部署不断丰富。这种数据壁垒使公司能够比竞争对手更快地提高模型准确性，特别是在细分废弃物流方面。此外，Recycleye的边缘计算方法减少了对云基础设施的依赖，使其适用于互联网连接有限的设施。
未来方向
展望未来，Recycleye旨在扩展其AI能力，以处理更复杂的分拣任务，例如识别多层包装和被食物污染的物品。公司还在探索使用基于大语言模型的界面，使操作员能够用自然语言查询视觉系统，例如询问特定材料在给定时间段内的百分比。
另一个重点领域是提高分拣过程本身的可持续性。Recycleye正在研究降低机器人系统能耗的方法，并与可再生能源整合。公司还计划扩展到新兴市场，这些地区的废弃物管理基础设施较不发达，但回收率对环境目标至关重要。
长期来看，Recycleye设想一个完全自动化的回收生态系统，其中AI不仅分拣废弃物，还提供预测分析以优化整个回收供应链，从收集到材料再加工。这一愿景与人工智能行业更广泛的趋势一致，即AI越来越多地应用于解决物理世界中的挑战。
挑战与批评
尽管取得了成功，Recycleye仍面临AI工业系统常见的挑战。机器人系统的初始资本成本对较小设施来说可能过高，尽管公司的订阅模式通过将成本分摊到时间来缓解这一问题。此外，当遇到新颖或异常的废弃物物品时，视觉系统的准确性可能会下降，需要持续更新模型并偶尔进行人工干预。
批评者还指出，仅靠自动化无法解决回收危机，因为回收的有效性取决于上游因素，如产品设计和消费者行为。Recycleye承认这一点，并与包装制造商建立了合作伙伴关系以提高材料的可分拣性，但公司的直接影响仅限于分拣阶段。
另一个担忧是废弃物分拣行业可能出现的岗位流失，该行业雇用了大量工人，通常来自低收入社区。Recycleye表示其系统旨在增强而非取代人工，使设施能够将员工重新部署到维护和质量控制等更高价值的任务中。然而，对就业的净影响仍是一个有争议的话题。
参见
- Machine learning
- Deep learning
- Neural network
- Generative AI
- University of Oxford
- Residual Network (ResNet)
- Artificial intelligence
参考文献
（注：本文基于截至2024年的公开信息和公司披露。具体财务数字和部署数量为近似值，可能有所变化。）