Recycleye是一家专注于人工智能驱动的废物分拣和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物类型，从常见包装到复杂的复合材料，并与机械臂集成，在传送带上物理分拣物品。
公司的使命聚焦于提高回收率并减少回收流中的污染，解决全球废物管理行业的关键瓶颈。通过自动化分拣过程，Recycleye旨在使回收在经济上可行且环境上有效，减少对人工劳动的依赖，并提高回收材料的纯度。
创立与历史
Recycleye由Peter Hedley和Victor Dewulf于2019年创立，两人在牛津大学学习时相识。Hedley是工程师，Dewulf是计算机科学家，他们发现了传统废物分拣设施的效率低下问题，人工拣选员经常遗漏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，将机械臂与基于废物图像数据集训练的视觉系统相结合，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种子资金。2020年，Recycleye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其他产品线，包括Recycleye Vision系统，这是一种独立的监控工具，提供废物成分的实时数据。
截至2024年，Recycleye在英国、欧洲和北美的20多个设施中安装了系统，每年处理超过10万吨废物。公司还与Veolia和Biffa等主要废物管理公司合作，将其技术集成到大规模回收运营中。
技术与产品
Recycleye的主要技术是使用深度学习算法实时分类废物物品的计算机视觉系统。该系统基于数百万张标记图像的专有数据集进行训练，涵盖广泛的材料，包括塑料（PET、HDPE、PP、PS）、金属（铝、钢）、玻璃、纸张、纸板以及有机废物。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。
公司提供两种主要产品：
- 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器末端执行器的机械臂来拾取识别出的物品，并将其放入指定的滑槽或料箱中。该系统以每分钟高达80次拾取的速度运行，对常见材料的报告准确率超过95%。
- Recycleye Vision：一种监控和分析系统，使用摄像头和AI提供废物流成分的连续数据。它生成污染率、材料纯度和吞吐量等指标，设施运营商利用这些数据优化流程并满足监管报告要求。
两种产品都设计为可改装到现有设施中，无需重大基础设施变更。这些系统由边缘计算设备驱动，在本地运行AI模型，减少延迟并确保在连接受限的环境中也能运行。
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）。训练过程涉及对标记废物图像的监督学习，并通过生成式AI技术生成的合成数据增强，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，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，并在废物特定数据上进行微调。这种方法减少了所需标记数据的数量，并加快了新材料类型的部署。Recycleye开发了一个专有的标记流水线，使用半自动化工具注释图像，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物物品的变异性，这些物品可能损坏、脏污或部分遮挡。为处理这一问题，视觉系统使用多视角分析，从多个角度捕获图像以提高分类置信度。此外，系统与残差网络架构集成，即使在物品重叠或快速移动时也能保持准确性。
行业影响与应用
废物分拣行业传统上依赖人工拣选，这劳动密集、危险且易出错。Recycleye的自动化通过提供一致、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提供了证明合规性和优化分拣线所需的精细数据。
在传统回收之外，Recycleye的技术在其他领域也有潜在应用，包括电子废物处理和建筑废物分拣。公司已在这些领域进行了试点项目，但商业部署仍集中在城市固体废物和包装回收上。
融资与增长
由于对可持续废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，现有投资者和新支持者如AENU参与。
- B轮（2024年）：4000万美元，由淡马锡领投，使总融资额超过7000万美元。
公司利用这些资金扩大工程团队，增强AI研究能力，并在英国建立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，在伦敦设有办公室，并在波兰华沙设有研究中心。
竞争格局
Recycleye在一个竞争激烈的市场中运营，其他AI驱动的废物分拣公司包括AMP Robotics、ZenRobotics和Greyparrot。与一些主要专注于机器人的竞争对手不同，Recycleye通过其双重产品（机器人和视觉分析）以及对数据驱动优化的强调来区分自己。公司还定位为全方位服务提供商，在其基于订阅的定价模式中提供安装、培训和持续模型更新。
一个关键的竞争优势是Recycleye的专有数据集，该数据集通过部署不断丰富。这一数据护城河使公司能够比竞争对手更快地提高模型准确性，特别是在小众废物流方面。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食品污染物品。公司还在探索使用大语言模型接口，使操作员能够以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。
另一个关注领域是提高分拣过程本身的可持续性。Recycleye正在研究降低其机器人系统能耗的方法，并与可再生能源集成。公司还计划扩展到新兴市场，这些市场的废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，AI不仅分拣废物，还提供预测分析以优化整个回收供应链，从收集到材料再处理。这一愿景与人工智能行业的更广泛趋势一致，AI越来越多地应用于物理世界挑战。
挑战与批评
尽管取得了成功，Recycleye仍面临基于AI的工业系统常见的挑战。机器人系统的初始资本成本可能对较小的设施构成障碍，尽管公司的订阅模式通过随时间分摊成本来缓解这一问题。此外，视觉系统在遇到新颖或不寻常的废物物品时准确性可能下降，需要持续模型更新和偶尔的人工干预。
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改善材料的可分拣性，但公司的直接影响仅限于分拣阶段。
另一个担忧是废物分拣行业可能出现的就业替代，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替代人工工人，允许设施将员工重新部署到维护和质量控制等更高价值的任务。然而，对就业的净影响仍是一个争论话题。
参见
参考文献
（注：本文基于截至2024年的公开信息和公司披露。具体财务数据和部署数字为近似值，可能有所变化。）