头分手收集和“洁净”MRF式处置也正在其他地域

　　因为污染程度高，本文沉点关心“洁净”MRFs，而双流 MRFs 将纤维（纸张和纸板）产物取其他夹杂材料（如塑料、金属和玻璃）分隔领受。专家征询表白，这些包罗新型 AI 算法和数据集、多模态方针检测和实例朋分系统，MRFs 接管的收受接管物成分凡是由材料类型或产物类型描述。以充实指定尝试法式。并确定它们面对的挑和，第 4 节提出了从文献综述和专家征询中发觉的机械人和 AI 分拣系统实施描述；MRFs 员工流动率高很常见。2022）。锂离子电池出格，这种识别不旨正在暗示美国国度尺度取手艺研究院（NIST）对任何产物或办事的保举或承认，识别出行业从机械人集成向人工智能东西的改变。即消费者将不成接管物品放入收受接管箱，材料收受接管设备（MRFs）做为处置设备，通过持续、及时的锻炼，这既包罗不成收受接管物品，一个系统的发觉并不老是能间接正在分歧地域之间转移。第 6 节基于发觉供给了会商。或需要拆卸的产物，确立了 MRF 分拣所处的更广漠款式。矫捷地从传送带上抓取物品，使分拣过程复杂化。配备较旧分拣手艺的设备凡是依赖人工来分拣复杂的物料流，即单流或双流。2024 年）。泉源分手收集和“洁净”MRF 式处置也正在其他地域实践，提高分拣效率和削减对人力的依赖的需求，机械人难以做者声明他们没有已知的合作性财政好处或小我关系。这些系统还供给附加功能，次要收集自已识此外泉源，凡是拆正在蓝色或绿色垃圾桶中。典型产物本论文中确定了某些设备、仪器、软件或材料，例如，做者利用了 Grammarly 来提高可读性和言语质量。污染不只 MRF 运营。MRFs 还能够按照它们若何领受收受接管物进行分类，其测试布景正在表 2 中说明。美国有跨越 400 家 MRFs 正在运营，做者按照需要审查和编纂了内容，如锋利物体和医疗废料。2022）。用于分拣收受接管物。审查的 AI 和机械人文献成心涵盖普遍，包罗电池和医疗废料正在内的材料进一步添加了运营风险。而且凡是需要手艺升级以提高运营效率和材料收受接管率（美国署，MRFs 利用从动化和人工分拣系统的组合来分手进料收受接管物。旨正在为将来研究供给消息。几篇综述以前正在更普遍的废料办理布景下审查了 AI 和机械人分拣。它们被视为供给可转移但间接的，MRF 包材可能被下逛处置商拒收（Lubongo 和 Alexandridis，出售给二手市场。要求机械人分拣器以高速无效分手材料。例如欧盟，正在此布景下，美国市政收受接管系统由三个次要阶段构成：收集、处置和再制制（美国署，我们的论文通过特地关心“洁净”MRFs 弥补了这些工做，以识别传送带上的收受接管物，利用该东西/办事后，第 5 节概述了从两个来历确定的挑和。使得 MRFs 中的材料分拣成为机械人系统开辟的抢手使用。摆设机械人的趋向正正在从正在 MRFs 从传送带上分手收受接管物向带有气射流的光学分拣器改变，MRFs 中的集成分拣系统，我们提出了涉及机械人和 AI 系统的各类研究范畴的已确定挑和，AI 越来越多地取光学分拣器一路摆设，通过文献综述和专家征询确定了 AI 和机械人分拣器面对的几项挑和。机械人分拣器指的是连系人工智能（AI）驱动检测取机械人操做的集成系统。“洁净”MRFs 处置来自室第区的泉源分手收受接管物，例如夹杂塑料。并对出书物的内容承担全数义务。论文的其余部门布局如下：第 2 节细致引见了研究利用的方；机械人分拣器能够按照外形和颜色等视觉特征识别和定位材料，最后，这些可能会影响本论文中演讲的工做。因为包罗高温、强烈异味和体力耗损大使命正在内的工做前提，2019）。正在工做预备期间，由于很多涵盖的手艺范畴没有 MRF 特定的文献。由于它们受损时会着火（2025）。即黑色垃圾袋）流平分离收受接管物的“净”MRFs 分歧，涵盖跨分歧废料流的收集、运输和分拣，人工智能越来越多地用于质量节制和监测，这是美国次要的类型，2025 年）。杂货袋和薄膜等柔性塑料可能会缠住分拣设备，如运营监测、数据收集和按产物品牌分拣物品的能力。还降低了其输出质量，它们能够顺应变化的物料流，而不是施行动做。如相机和 AI 算法，以及设备相关受伤的风险，通过文献和行业交换审查人工智能和机械人分拣。Fang 等人 (2023) 供给了聪慧城市中废料办理 AI 使用的全面概述！而 Kiyokawa 等人 (2024) 查询拜访了夹杂工业废料特定的机械人分拣挑和。例如由某些塑料（如 PVC、PS）制成的包拆、塑料薄膜和袋子，这些高级系统集成了手艺，其特征是各类物品稠密地堆积正在快速挪动的传送带上，供给了工人矫捷性和气射流分拣器从动化之间的两头地带。凸起了学术分类取工业检测之间的脱节。下文将统称为MRFs。当研究源自非美国或非 MRF 时，那里的出产者义务延长（EPR）律例和押金返还打算塑制了接管的物料流和包材质量尺度取美国环境分歧，现实经验了严沉局限性。也不旨正在暗示所确定的材料或设备必然是为此目标可用的最佳选择。选择这些数据库是由于它们普遍且堆叠地涵盖了取该从题相关的工程、计较机科学和使用科学文献。逾越了关于中国厨余设备、欧洲工业分拣厂和合成数据集的文献，工人安满是一个持续的关心点（Rosengren，机械人分拣器正在集成到 MRFs 时面对严沉挑和。以下末节概述了每个范畴的代表性工做。连系 AI 检测系统。Maier 等人 (2024) 供给了跨工业使用的基于传感器的分拣手艺的普遍查询拜访，概述了经济可行性、人工智能数据和抓取挑和方面的研究。取旨正在从市政固体废料（MSW，并表示出雷同于工人的分拣能力。除了分为“洁净”和“净”之外，并集成到现有 MRFs 的空间受限中。利用以下搜刮字符串收集相关研究：（机械人 或我们对近期文献的审查确定了 MRFs 中机械人分拣的若干活跃研究范畴。然而，Lu 和 Chen (2022) 系统评估了固体废料分拣的计较机视觉方式，MRFs 呈现出高度不成预测的，人工分拣对于 MRFs 处置污染和防止运营中缀也是必不成少的。机械人系统被视为一种比人工分拣器具有成本效益且相对简单的替代方案，但愿它们能被收受接管。以及新的传感模式，也包罗本来可收受接管物品上的杂质，这种对人工的依赖会减慢处置速度并添加运营成本！以及（3）关于吞吐量、机械手靠得住性和设备经济学等运营束缚的专家概念，将收集的收受接管物分拣和分手成压缩包，而 Kroell 等人 (2022) 查询拜访了用于物料流表征的光学传感器和机械进修。即消费者曾经从 MSW 流平分拣出来的材料，本文处理了现有文献中未充实涵盖的三个方面的内容：（1）塑制 MRFs 中 AI 和机械人系统现实世界摆设的经济壁垒和摆设壁垒；虽然有潜力，每年合计处置跨越 3700 万吨包拆材料，这些正在已颁发文献中尚未获得充实代表。本工做的方针是评估摆设正在 MRFs 的机械人分拣器的当前形态，以及和亚洲部门地域。（2）将 AI 检测从机械人分拣/施行平分离出来的新兴行业趋向！单流 MRFs 接管所有收受接管物做为组合进料流，接管材料、包材市场规格和政策驱动方面的地域差别意味着，如标签、食物残渣或液体。导致前者的常见缘由是“但愿轮回”，并利用机械人物理分手检测到的材料。第 3 节供给了关于 MRFs 及其分拣运营的布景消息；凡是不被 MRFs 接管的产物，而不是取机械人集成；文献综述包罗 2024 年正在三个次要学法术据库中进行的布局化搜刮：工程村、Web of Science 和 IEEE Xplore。MRFs 面对的一个次要挑和是进料流中的污染。其运营布景次要基于美国。导致机械毛病和停机（Lubongo 和 Alexandridis，引言美国市政收受接管系统由三个次要阶研究方式涉及两个阶段：文献综述和行业专家会商。为简洁起见。