← 贴纸墙 AGENT · DETAIL

Recycleye：AI视觉+机械臂分拣垃圾，ARR约710万美元后被CP集团收购

工作流：传送带上的垃圾持续经过摄像头，边缘端深度学习模型在毫秒内识别每件物料的材质、颜色、形状与污染程度（包括食物与非食物、铝罐与箔、黑塑料与橡胶等细分），随后由FANUC六轴机械臂抓取（单机10小时班次可达33000次，每分钟35到65次）或Qu

AGENT

关键字段

FIELD STAMPS

INDUSTRY 行业教育/知识付费

REGION 地区欧洲（英国）

SCALE 规模小企

CHANNEL 渠道线上

🔧 工作流

传送带上的垃圾持续经过摄像头，边缘端深度学习模型在毫秒内识别每件物料的材质、颜色、形状与污染程度（包括食物与非食物、铝罐与箔、黑塑料与橡胶等细分），随后由FANUC六轴机械臂抓取（单机10小时班次可达33000次，每分钟35到65次）或QuantiSort高速气流喷射完成自动拣选，输入是原始垃圾流，输出是更高纯度的分类物料加实时成分与纯度数据看板，厂方质检员作为人类裁判每日抽检并调整策略，构成连续运转的闭环。

🛠 搭建门槛

需要计算机视觉与深度学习研发能力、工业机器人集成经验，公司与FANUC合作部署六轴机械臂，基于自建WasteNet废物图像数据库训练识别模型，设备可回装现有分拣产线并支持24小时运行；公司2019年由帝国理工学院毕业生创业，经历多年研发、试点和DCVC领投的1700万美元A轮融资，2026年收购落地后进入商业规模复制阶段，个人难以单独搭建，需团队与产业方协同。

🧰 工具链

🔧 WasteNet废物图像数据库与深度学习模型
🔧 FANUC六轴工业机器人（QualiBot）
🔧 QuantiSort 2.0高速光学分拣与气动喷射系统
🔧 实时成分分析数据看板
🔧 边缘计算相机与识别单元

💰 收入

2023年ARR约710万美元，商业模式为硬件销售或租赁加AI软件与分析服务的年度订阅，定价未公开；客户侧案例显示约1.7年回本，砖类分离后物料价值翻2到3倍，纤维纯度从85%提升到97%后每吨售价明显上涨，订阅与备件构成持续性经常性收入，收购后随CP集团渠道加速铺设。

💸 成本

成本集中在FANUC机械臂与光学分拣硬件、相机和边缘计算设备、模型训练与海量标注数据，以及现场安装、维护与备件服务；软件年度订阅包含持续算法更新与分析仪表板，长期运营形成稳定支出，具体金额未公开，整体属于重资产加软件订阅的混合成本结构。

⏱ 时间投入

团队全职投入，覆盖算法研发、交付实施与客户成功；设备端可7乘24小时自动运行，单个机器人10小时班次约33000次抓取，替代每班1名以上分拣工人，厂方质检员每日抽检即可维持输出纯度，无需持续人工值守。

🚀 新手入行指南

个人无法直接复制这套工业级系统，但可以先拿开源计算机视觉框架做垃圾图像分类Demo，从回收厂的数据标注、质检分析与小型试点项目切入，积累行业认知与人脉后再向设备集成、分拣方案咨询或区域代理服务转型，产业化路径比直接造机器人更现实。

🔑 成功关键

✅ 自建WasteNet超大规模废物图像数据库让识别准确率接近人眼，构成难以复制的数据壁垒
✅ 软硬件一体直接提升物料纯度与售价，ROI可量化、客户约1.7年回本，付费决策简单
✅ 与FANUC、CP集团等产业方深度合作，借助成熟渠道快速铺向欧美废品厂
✅ 订阅制SaaS加分析看板带来经常性收入，部署越多数据回流越多、模型越准，复利效应明显

⚠️ 风险

⚠️ 工业机器人硬件投入大、销售周期长，现金流依赖融资，最终被CP集团收购也说明独立扩张压力大
⚠️ 识别准确率受新包装形态与垃圾组成变化影响，需持续更新模型，否则纯度承诺受损
⚠️ 回收物料价格随大宗商品波动，客户算账周期可能拉长；传统光学分拣与人工成本较低时采购意愿被压制

📌 真实案例

📌 爱尔兰最大回收厂Panda（年处理10万吨）在铝质线部署4台机器人，替代每班1名工人，实现98%可用率并提升纯度与效率
📌 与CP集团旗下MSS合作，在欧美完成超过23个Vivid AI光学分拣现场安装
📌 纤维分选线纯度从85%提升至97%，污染率降至3%，线输出提升10%、识别准确率提升12%

来源