[导读]当废物被丢弃的时候，它最终会在某个地方被处理掉，以免对环境造成危害。许多城市的垃圾处理过程已经转变为一种高度智能化的运营管理活动。
每一次垃圾被扔进垃圾桶，它最终在某个地方，必须以某种方式处理，以免对环境造成危害。许多城市的垃圾处理过程已经转变为一种高度智能化的运营管理活动。用于垃圾管理的物联网，通过机器学习(ML)平台实时映射和跟踪的维度，可以改善废物管理结果。
垃圾处理对大城市来说是一个巨大的挑战。如今，新加坡、迪拜、香港、阿姆斯特丹、斯德哥尔摩、东京、墨尔本、西雅图、芝加哥和首尔等智能城市的政府部门大力推动科技融入城市的方方面面。在这些城市中，许多城市的垃圾处理过程已经转变为一种高度智能化的运营管理活动。
当废物被丢弃的时候，它最终会在某个地方被处理掉，以免对环境造成危害。许多城市的垃圾处理过程已经转变为一种高度智能化的运营管理活动。
图片来源：Orca Media
自动化城市垃圾管理
如今，任何智慧城市的城市垃圾管理都是现场设备或传感器的相互作用，它们联网在一起，生成数百万个数据点，由此获得的数据被输入云平台，并通过复杂的分析框架进行分析，然后得出合理的、可操作的推论，从而更好地服务于该城市的市民。整个过程是自动化的，几乎没有人为干扰。
对垃圾进行分类
我们都知道废物可以归入几大类：废纸、塑料废物、食品废物、水溶性废物、水不溶性废物，动物废物、卫生废物、生活垃圾、工业废物等。其中有些是可生物降解的，有些则不是;有些甚至可能是放射性废物，这含有高毒性和潜在的危险。
智能解决方案
我们开发了一种应用程序，当一个有意识的市民在路上拍下一张垃圾或超载的照片时，可以发出警报，并使用跨平台将其发送到指挥中心兼容的移动应用程序。然后可以使用图像点和矢量框架分析器分析命令中心接收的图像，以确定图像中捕获的不同废料的近似量和可能的类别。整个流程不需要人为干预，它使用智能算法来匹配过去和现有数据。随着时间的推移，针对这一活动的准确率已达到近90%。
物联网驱动的数据分析和机器学习
安装在路边垃圾桶上的传感器能够跟踪垃圾桶内的垃圾收集情况，并使用物联网集成和联网系统自动向垃圾收集卡车发出警报，但直接扔在路上的垃圾会逃脱传感器摄像头的数字视线。它需要一个警觉的、有意识的公民或人为干预来掩盖一个误入歧途的公民扔在路上的那块垃圾。这里需要提醒的是，警惕和清醒的公民必须具备基本的摄影知识，并且必须能够自如地使用智能手机上的应用程序。
来自传感器的数据，以及警报和清醒公民发送的图片，都是通过一个复杂的多点和多层分析系统获得的。我们使用过去的废物数据，在机器学习(ML)平台上训练系统，以识别和分类垃圾，并大致估计垃圾的重量。ML平台使用了过去的图片，这些图片是在一天的不同时间，从城市里60多个垃圾桶的位置拍摄的。ML平台还针对垃圾箱内和周围常见的常规物品进行培训，以便轻松识别它们。
妥善处理垃圾至关重要
每一次垃圾被扔进垃圾桶，它最终在某个地方，必须以某种方式处理，以免对环境或城市居民造成危害。因此，确保废物得到妥善处理是至关重要的。为了妥善处理废物，绝对有必要首先确定它是哪种废物。
处理废物的典型策略包括回收，减少体积或转换为能源，倾倒入垃圾填埋场，或在将不可焚烧的废物倾倒入垃圾填埋场之前将其通过焚化炉。
使用我们的应用程序和后端ML分析，焚化中心和垃圾填埋场可以通过仪表板每小时进行容量管理，以跟踪每个活动，并绘制每日的产量和垃圾填埋场使用情况。这使他们能够通过智能使用燃烧过程，使用的烟气量以及了解所需的电力来进行精确的尺寸调整。
此外，还绘制了未燃烧的烟道气、产生的灰分和未燃烧的无机成分的固体块的数量。在垃圾到达焚化中心之前，可以与城市的其他政府当局合作，采取适当的行动。
热解本质上是固体废物在不添加额外空气或氧气的情况下，通过加热进行热分解，产生氢气、甲烷、一氧化二碳、焦油等惰性物质作为副产物。这些副产物的重量也被追踪，以确保它们不会对健康和环境造成重大危害。焚化中心的副产物包括低等级混凝土，然后按照政府规定的规格，作为砖和其他建筑和制造区块出售。
容量管理和最终处置过程可以在时间之前很好地绘制，从指挥中心的废物图像阶段开始。
为流程管理赋值
从历史上看，产能管理一词曾经指的是“制造工厂中各种库存的管理”或“为满足当前和未来的业务目标和目标，对内部服务交付进行适当的规模调整”，这是一种流程管理。在实际使用中，遗留系统包含外部因素，如产品可用性、市场活力、需求预测和内部资源分配。
然而，基于物联网的废物管理ML平台通过智能使用技术、网络、设备或传感器管理和机器自动化，增加了敏捷程度，实时映射和跟踪的维度。所有这些的集成需要非常少的人为干预，大多数活动由智能机器全天候自动化和监控，能够分析图像数据并在需要时进行一些数字处理。
原标题：How IoT Solutions Can Improve Waste Management Processes
编译：郑翊君
文章来源：https://www.iotforall.com/smart-iot-solution-assist-legacy-process-management/
评论文章