韩红桂，范晓晔，张奇宇，杜永萍

(1.北京工业大学 信息学部，北京 100124； 2.计算智能与智能系统北京市重点实验室，北京 100124； 3.数字社区教育部工程研究中心，北京 100124； 4.北京人工智能研究院 北京 100124)

0 引言

随着生活水平的不断提升，科技水平的不断发展，居民对于电器电子产品的需求量也与日俱增，然而伴随电器电子产品的产量激增和更新换代速度持续加快，电器电子产品被淘汰的数量飞速递增，致使废旧电器电子产品的处理处置成为了全球面临的挑战[1]。联合国《2020年全球电子废弃物监测》报告显示，2020年全球产生的废旧电器电子产品总量已达到创纪录的5 360万吨，近五年的年增长比例高达21%[2]。目前，我国也面临着电器电子产品合理回收再利用的严峻挑战，电器电子产品的消耗与迭代高居世界前列，我国每年产生上亿台废旧家电、手机、电脑等，并呈现出快速增长的趋势。然而，我国废旧电器电子产品的回收比例尚未达到两成，废旧电器电子产品包含的可回收材料没有被合理回收再利用，而且电器电子产品中的有害物质也没有妥善处置，造成了资源的严重浪费和环境的极大污染[3]。因此，废旧电器电子产品的高效回收利用对于减少资源消耗和环境污染具有重要作用，为我国经济持续增长，特别是促进绿色发展和生态文明建设提供支撑和保障。

为了减少资源的浪费、环境的浪费和规范化处理处置废旧电器电子产品，众多国家或地区颁布了废旧电器电子产品回收利用相关标准，规范废旧电器电子产品回收过程，降低废旧电器电子产品的环境风险[4]。这些废旧电器电子产品的相关准则/标准不但有效规范了回收处理处置，有利于废旧电器电子产品回收行业的健康有序发展，而且减弱了废旧电器电子产品的环境危害。我国目前约有31个规范或标准(包括19个国家标准、3个地方标准及9个行业标准)涉及废旧电器电子产品回收利用[5]。尽管国内标准规范数量较多，但是大部分国内标准仅针对电器电子产品处置的实施细节，急需有效的电器电子产品回收模式，建立电器电子产品下游回收、中游分配、上游处置的全流程回收体系。

近年来，随着大数据、互联网、云计算等信息技术的快速发展，废旧电器电子产品回收技术不断进步[6-7]。然而，废旧电器电子产品回收过程仍存在回收效率低、回收效益低、智能化水平低等突出问题，究其根本是存在以下技术瓶颈：

(1)电器电子产品识别与价值评估 自动识别电器电子产品的型号并依据不同类型对废旧电器电子产品进行合理的定价是回收过程中一项重要环节。如何快速准确地识别电器电子产品类型，同时，依据市场环境对电器电子产品进行动态客观的价值评估，对于实现高效回收和提升用户回收意向具有重要影响。

(2)电器电子产品回收调度优化 依据回收过程需求，优化回收企业、客户和拆解企业等主体的布局和回收服务路径选择，满足回收快速对接的需求。然而，目前的调度优化技术多是根据特定回收调度场景设计的，当场景中的关键变量或者约束条件发生变化时，性能显著下降，难以快速寻找到最优调度方案。获得最优调度方案是提升回收效益，保证回收企业利润的关键。

(3)电器电子产品回收平台与运行模式 电器电子回收平台为回收商和消费者提供交易渠道，平台运行模式为其运营提供保障。“互联网+回收”技术已在电器电子产品回收领域进行了探索与实践，但缺少系统性研究，回收体系运行不畅，大数据信息处理技术存在不足，信息共享机制不完善，平台效率有待提升。完善的回收平台可以提升回收智能化水平，推进资源循环再利用工作。

围绕电器电子产品回收面临的上述3个问题，国内外学者开展了一系列研究工作，并取得了阶段性成果，促进了电器电子产品的回收。

1 电器电子产品识别与价值评估

电器电子产品识别与价值评估是在其回收过程中，通过对其型号等参数进行快速准确识别分类，并结合识别结果对其进行价值评估，获得废旧电器电子产品的价格。有效的识别与价值评估可以降低误检率，提升消费者的交易意愿，是废旧电器电子产品高效回收的前提。

1.1 电器电子产品分类识别

围绕废旧电器电子产品分类识别，国内外学者已开展了多年研究。其中，基于规则化特征的废旧电器电子产品分类识别方法是最早进行研究并获得实际应用的方法，该方法通常采用人工设计的特征提取方法(如SIFT[8]、LBP[9]、HOG[10]等)将输入的图像降维为一组特征向量来训练模型。YE等[11]提出一种基于尺度不变特征变换(Scale Invariant Feature Transform, SIFT)和支持向量机(Support Vector Machine, SVM)相结合的识别方法，该方法通过提取局部特征来确定电器电子产品的型号，实验结果表明该方法虽然能够识别电器电子产品，但其识别精度较低，难以满足废旧回收企业高标准的需求。MARTIN等[12]设计了一种基于轮廓与形状匹配的识别方法，该方法能够获取废旧电器电子产品图像的局部特征，并依据特征进行识别，然而该方法适用于特征相差较大的电器电子产品，对于机型相似的电器电子产品，其识别精度较低，难以满足工业上识别精度的标准。LEITNER等[13]提出一种线性判别分析分类算法，给定数据样本，该算法试图优化从原始高维特征空间到低维子空间的线性映射，并在此基础上指定一个分类器，将样本分成不同的类别。WANG等[14]提出一种基于并行差分进化—梯度特征深度森林算法的智能废旧手机识别方法，该方法由智能废旧手机识别模型和并行差分进化参数寻优模型组成，识别模型利用多尺度梯度特征策略有效抓取了信息，并行差分进化参数寻优模型优化识别模型中的超参数，提高了识别精度，但该方法在训练过程中需要进行寻优，导致识别速度不快，难以满足实时性需求。

深度学习技术能够有效地解决传统机器学习特征提取过程繁琐和提取不充分的问题[15-16]，通过其深层结构，利用大数据来实现“端到端”训练。因此，这种通过海量数据训练的“端到端”机器视觉识别模型，进一步推动了废旧电器电子产品的自动化识别检测的技术进步。在典型的深度学习架构中，原始图像样本不需要进行复杂的特征选取工程，而是将样本直接馈送到由多个卷积层、池化层和全连接层组成的网络中，通过该网络可以自动学习和提取图像样本中的隐藏特征，最后输出类别标签实现分类[17-18]。端到端的学习机制可以有效建立样本与特征之间的映射关系，因此深度学习模型不仅比使用传统机器学习算法训练的模型更稳健，还大大提升了识别的性能。深度卷积神经网络在大数据和高性能GPU的驱动下，已成功应用于机器视觉相关任务中[19]。因此，基于深度学习的卷积神经网络模型为电器电子产品的精准识别提供了新的技术支撑。在废旧电器电子产品识别中，通常将深度卷积神经网络用作骨干网络提取特征，并进一步利用提取的特征来完成初步分类任务[20-22]。HAN等[23]针对废旧手机外观颜色各异，难以实现准确的型号识别的问题，提出一种基于双线性卷积神经网络(Bilinear Convolutional Neural Network, B-CNN)的手机型号识别方法，自适应地从废旧手机图像中提取局部特征，并通过核判别分析算法对B-CNN中的冗余特征进行参数缩减，加速了模型训练速度，最终实验结果表明了该方法有效性。Yang等[24]提出一种基于增量学习框架的废旧电器电子产品识别模型GarbageNet，通过弱监督迁移学习保证了特征提取器的能力，所设计的增量学习框架可以解决电器电子产品类别增多导致的模型退化问题，研究结果表明GarbageNet在废旧电器电子产品识别的准确性、鲁棒性和可扩展性方面达到了最优性能。

在电器电子产品回收过程中，识别过程不仅需要完成类别的分类，还需要完成在复杂背景下指定目标的检测定位[25]，常见的识别模型结构如图1所示。由此，基于骨干网络提取特征后的目标检测任务，也已经在电器电子产品识别中进行了诸多研究。LU等[26]引入一种图像目标检测模型YOLO-V3来实现废弃电子印刷电路板中各电子元件的精准定位以及识别，从而减轻了回收行业人工资源的占用，也提高了电子元件的分拣效率，实现了智能化高精度检测分类。LIN等[27]针对同一背景下多目标电器电子产品检测任务，引入一种区域的快速深度卷积神经网络，通过区域候选网络实现对同一背景下多个电器电子产品的同步检测框定位，从而进行电器电子设备的类别识别，为回收企业制定精准的物流方案提供数据支撑。

1.2 电器电子产品价值评估

电器电子产品的价值是影响回收过程的重要因素，对其进行合理的回收定价具有十分重要的意义。基于特征识别技术获取到电器电子产品的多元特征信息，为电器电子产品的回收定价提供了充分的数据支撑。为了实现电器电子产品的价值评估，基于规则等传统方法的价值评估模型得到了广泛应用。FORENBACHER等[28]提出一种基于旅馆模型的废旧电子设备回收定价方法，研究了在非竞争、部分覆盖竞争和完全覆盖竞争条件下，生产商和第三方回收商的废旧电器电子产品回收定价决策问题。NAKADA等[29]根据设备的有形磨损和无形损耗，设计了一种基于重置成本的价值评估方法，将该方法应用于电器电子产品价值评估中，用待估价电器电子产品全新状态时的市场价值减去各项损耗来实现对电器电子产品价值的评估。NASIR等[30]提出一种基于市场比较的价值评估方法[30]，将该方法应用于电器电子产品回收过程，通过近期成交的类似回收案例进行对比，根据案例间的差异对电器电子产品回收价值进行修正，从而实现对电器电子产品价值的评估。JI等[31]设计了一种基于支持向量机和遗传算法相结合的预测方法，利用遗传算法选择最优输入特征和模型参数，并利用支持向量机对模型进行训练，实验结果表明该方法在训练精度上有较大的提升。SARATH等[32]提出一种混合决策树方法[32]，该方法用符号学习来进行定性分析，采用了一种独特的构造性归纳机制，较好地解决了在缺乏领域知识指导的情况下进行构造性学习的问题。KHADGE等[33]使用朴素贝叶斯算法和核映射支持向量机进行价值评估结果的优化，提高了评估结果的可靠性。然而,上述基于规则与传统机器学习技术的预测方法不能较好地描述价值评估影响因素和价值之间的非线性关系，难以实现电器电子产品的精准定价。

基于神经网络的价值评估方法由于其较强的泛化能力引起了学者的广泛关注。LIU等[34]提出一种基于参数动态更新的模糊神经网络改进定价模型。该模型实现了关键特征变量与手机价格的映射，并应用动量法对模糊神经网络的参数进行优化更新，实验结果表明该方法具有较高的定价精度。HAN等[35]提出一种基于改进模糊神经网络的电器电子产品价值评估方法，该方法通过建立非线性模型，并利用最小二范数惩罚准则动态更新模型参数，实现对电器电子产品的价值评估，实验结果表明，该方法具有较高的学习能力和泛化性能。WANG等[36]提出一种基于奇异值分解的组合神经网络预测方法，该方法利用奇异谱分析将原始序列分解为不同尺度的独立分量，并构建了包含反向传播、径向基函数和小波神经网络的组合神经网络模型。LI等[37]提出一种基于时序自回归预测模型的深度注意力强化学习方法，利用自编码模型压缩表示潜在状态空间，结合自回归模型建立环境预测模型，基于注意力机制结合预测模型估计每个决策状态的值函数。DING等[38]提出一种反向传播神经网络和遗传算法相结合的预测方法，该方法利用反向传播神经网络建立非线性模型，并利用遗传算法优化模型参数。上述模型和方法具有较强的学习能力和泛化性能，提升了废旧电器电子产品的价值评估性能。

综上所述，电器电子产品分类识别技术与价值评估技术的发展，已为电器电子产品回收过程提供了重要的技术支撑，精准识别有利于对电器电子产品分级定价，未来电器电子产品智能高效的自动识别与评估已成为发展的必然趋势。然而，电器电子产品的分类识别技术与价值评估技术依赖高质量的大规模数据，目前缺乏规范的电器电子产品数据互联平台，一定程度上限制了分类识别与价值评估的可靠性和准确性。同时，时效性是回收过程中的重要影响因素，目前价值评估过程缺乏动态自适应的调节过程，难以保证准确性。

2 电器电子产品回收调度优化

电器电子产品的调度优化是获取分拣中心、拆解企业等主体的合理网络布局方案和回收过程最优路径方案的优化技术[39-40]。电器电子产品回收的调度优化是提高回收效益，推动回收系统可持续发展的关键。

2.1 电器电子产品回收单目标调度优化

电器电子产品回收单目标调度优化技术以某个具体回收需求作为优化目标，开展科学研究与技术开发，以实现回收企业、客户和拆解企业等主体的集散货调度需求[41-42]。MAR-ORTIZ等[43]采用混合整数规划模型描述电器电子设备废物回收问题，提出一种基于贪婪随机自适应搜索过程的路径优化算法，高效获得最优的车辆路线，实验结果证明该方法有效提升了逆向物流的回收效率。SZWARC等[44]针对废旧电器电子设备移动回收的问题，提出一种基于禁忌搜索机制的模因算法，使用质量评价指标自适应调整算法参数，快速寻找到最优路径，实验结果证明了所提算法可以取得优于元启发式算法的结果。MAR-ORTIZ等[45]提出一种三阶段分层优化方法，分别建立回收设施位置以及路径优化问题模型，提出混合整数线性规划算法解决设施选址问题，并使用改进型启发式算法进行路径规划，结果表明，所提方法优化了电器电子产品回收网络，显著降低了运行成本。POURHEJAZY等[46]针对一对一服务需求，提出一种带时间窗的综合回收方案，该方案同时考虑一对一客户和普通客户的回收要求，优化回收路径和回收顺序，有效提高了各类客户的满意度。以上调度优化技术有效提高了回收调度率，但无法体现回收的实时状态，导致算法优化效果欠佳。

回收调度过程中产生的各类数据能够实时反映调度状态，NOWAKOWSKI等[47]提出一种和声搜索算法,用于在线回收系统，对回收系统的线上数据和位置信息进行关联性分析，完成调度方案的初始化和自适应搜索，提高了产品的回收率。YAO等[48]针对中国上海电器电子产品收集和运输网络的设计问题，深入分析电视、电脑收集点和中转点的回收数据，提出一种基于改进型蚁群算法的车辆路径规划方法，确定最短运输周期和适当的运输路径。TIRKOLAEE等[49]针对城市垃圾回收的多车程路径优化问题，提出一种模拟退火算法，结合车辆车程信息和客户时间窗数据，设计启发式初始化策略，降低运行成本。NOWAKOWSKI等[50]提出一种在线调度模型，综合分析用户回收、注册数据，实现及时收集并有效降低回收成本。以上工作解决了电器电子产品回收单目标调度优化问题，然而，回收系统往往需要综合考虑多个优化目标以实现回收利益的最大化[51]。

2.2 电器电子产品回收多目标调度优化

电器电子产品回收多目标调度优化的优化目标包括企业对物流成本的期望、客户对配送时间的满意度、环境对回收过程的碳排放限制等[52-53]。常见的多目标调度优化模型如图2所示。为了权衡多个优化目标，TAO等[54]提出一种多目标启发式电器电子产品回收调度方法，利用协同进化策略和粒子群优化策略，获得最优调度方案，降低电器电子产品的分拣成本和提高回收效率。IJEMARU等[55]开发了一种基于物联网的电器电子产品回收调度方法，建立了电子产品回收性能评价系统，定量评价了电器电子产品回收效率、运输成本、数据传输成本等性能，采用蚁群算法求解最优路径，实现综合性能的最优化。为了缩短客户等待时间的同时降低运输成本，GAMBERINI等[56]设计了一种多目标电器电子产品回收调度方法，结合数据采集技术与数据驱动建模技术，建立等待时间与运输成本模型，采用启发式算法获得最优车辆调配数量与路径。CAO等[57]针对两级逆向物流网络的异构车辆调度问题，提出一种基于遗传算法的电器电子产品回收调度优化技术，在初始化阶段随机产生和客户相关的信息，采用遗传算法进行全局搜索，利用邻域搜索算子完成局部搜索，实现资源的合理分配，有效平衡经济效益和生态效益。NOWAKOWSKI等[58]设计了一种针对电器电子回收问题的多准则优化方法，利用在线数字地图系统获取实时数据，建立包含车辆运行成本、车队车辆使用效率、居民满意度等目标的多参数优化模型，采用遗传算法与模糊逻辑，求解车辆最优装载量与车辆数，实现废弃台式电脑等电子设备和洗碗机等家用电器回收性能的全面提高。以上多目标调度优化方法有效求解了多目标调度优化问题，但是当调度环境和约束动态变化时，难以寻找到合适的调度方案[59]。

为解决电器电子产品回收的动态多目标调度优化问题，REN等[60]提出一种自适应选择机制的变邻域搜索算法，能够利用不同路径数据信息动态更新进化种群，以提高汽油车和柴油车利用率、降低调度总延迟时间，并提高客户满意度。针对城市和农村的电器电子产品回收问题，NOWAKOWSK等[61]提出一种基于人工免疫算法的电器电子产品回收调度方法，通过对回收数据进行周期性分析，设计了克隆选择策略，降低了回收调度成本，同时减少了碳排放量。WANG等[62]提出一种基于集成学习的电器电子产品回收调度算法，利用进化过程信息，设计了种群预测策略、路径迁徙策略和随机搜索策略，实现了对路径成本和客户等待时间的最小化。MALEKKHOUYAN等[63]设计了一种集成多阶段的电子电器产品回收调度系统，利用精确算法进行动态路径优化，并采用元启发式算法进行全局搜索，实现了运输成本、拆卸成本和回收过程碳排放量的同时降低。KIZILTAS等[64]针对异构车辆电器电子产品回收调度问题，提出一种三阶段回收调度方法，通过定期融合在线数据，提取回收订单的关键信息，并采用分组优化策略搜索调度方案，提高了车辆利用率及回收效益。

3 电器电子产品回收平台与模式

电器电子回收平台为回收商和消费者提供交易桥梁，实现废旧电器电子产品的回收利用[65]。各回收平台拥有不同的运行模式，并通过不断发展和完善，有效解决了回收过程中的信息闭塞、地域限制等问题，提高了回收平台智能化水平[66]。

3.1 电器电子产品回收平台

建立正规透明的电器电子产品回收平台是保证高效回收的关键。在国家政策扶持和技术理论支撑下，回收平台不断演进并持续发展。传统电器电子产品回收平台通常为线下回收渠道，如维修服务商回收、二手市场回收、正规企业以旧换新回收等[67]。2005年，中国移动联合多家著名手机生产商开展了“绿箱子环保计划”，通过线下设立回收网点来回收废旧手机及配件。运营商和手机厂商分别通过返流量话费、手机购买抵用券的方式对消费者进行补贴，回收的废旧手机直接进入专业的回收处理中心。然而，消费者通过该平台获得的利益较少，降低了消费者的参与热情。同时，回收过程中运营商和手机厂商的权利义务责任不明确，缺乏有效的管理系统，难以得到良好的监控[68]。在传统线下废旧电器电子产品回收平台中，用户的痛点可以总结为无渠道、难信任、收益低、体验差等方面。品牌方的痛点是服务管控难、物流成本高、客户体验差、交易成立难。随着互联网的普及，电器电子产品线上回收平台不断涌现，主要以提供回收信息服务为主，为消费者与回收商间提供交易平台。“闲鱼”是近几年二手闲置物品线上交易平台的代表。该平台在买卖双方完全自由沟通的前提下进行回收交易，是C2C(customer to customer)运营模式的典型案例。“闲鱼”隶属于阿里巴巴公司，能够借助强大的互联网平台间的信息交互能力，通过绑定淘宝账号，实现支付宝实名认证、共享芝麻信用，保障交易安全，在线上回收平台中展现出了明显优势。“闲鱼”方便的自由交易对接模式不仅提升了买卖双方交易效率，还提供了交易双方交流互动的场所。“爱回收”网站是O2O(online to offline)模式的电子产品回收及以旧换新服务线上平台。“爱回收”针对手机、笔记本等电子数码产品开展回收业务，与京东、1号店、沃尔玛等知名品牌合作，采用回收商竞价模式，将回收价格透明化[69]。通过建立废旧电器电子产品回收信息化平台，既方便了消费者又为企业提供了便利。但线上平台发展也存在一定的瓶颈，主要体现在交易过程中的信息冗杂、产品信息模糊、客户服务体系不完善等。

随着互联网和通讯技术的飞速发展，基于“互联网+回收”的线上线下融合回收平台进入快速发展期。利用互联网、大数据建立便捷高效的回收平台，开展信息采集、数据分析、流向监控等工作，使供需双方能够快速获得匹配信息，同时为用户提供优质便捷的上门回收服务，智能优化回收企业间物流，完善再生资源回收体系[70]。线上线下融合方式的回收平台能够大幅提高回收效率。电器电子产品线上线下融合回收平台如图3所示。以具有代表性的“废品大叔”回收公司为例，其特点是采用了“互联网+”和连锁经营共存的线上线下融合模式[71]。通过搭建“废品大叔”网站、微信以及APP线上推广平台，利用互联网技术服务于再生资源产业，深度整合线下资源，改善再生资源回收体系，为再生资源产业提供平台服务，最终实现居民、废品大叔、处理中心、中小企业、政府五位一体的共生共赢模式。在已有经营模式基础上，京东同样聚焦于线上线下融合模式，开发企业信息化管理系统、建设信息化网络，搭建废旧家电“互联网+回收”平台，利用配送、装机、维修等渠道建设逆向物流回收体系，构建了智能、高效、可追溯、线上线下融合的废旧家电回收处理体系。此外，海信集团分别从搭建废旧家电“互联网+回收”平台、利用销售渠道网络、联合家电卖场开展以旧换新活动、优化回收渠道、与支付宝等APP平台合作、激活老用户进行精准营销、与合规家电拆解企业合作等6方面入手，通过推动废旧家电回收行业与新一代信息技术相融合，开发企业信息化管理系统、建设信息化网络，打造平台化、生态化、科技化的废旧家电“互联网+回收”平台[72]。采用线上线下的融合回收模式，一方面有助于回收行业网络化、智能化、绿色化的发展；另一方面有助于推动消费升级，将收旧和换新进行结合，推动高能耗、存在安全隐患等电器电子产品的淘汰，促进消费者自有电器电子产品的更新换代，带动产业进步。同时，利用线上线下融合方式发展回收平台，能够提升平台的覆盖率，形成综合性回收体系。目前，废旧电器电子回收平台已经取得初步成效，但由于处于初期发展阶段，如何利用运行模式使其标准化、透明化仍需深入研究。

3.2 电器电子产品回收平台运行模式

电器电子产品回收平台的发展依赖其运行模式能否符合市场需求与变化。线上回收平台发展规模大、速度快，适应了大众对网络渠道的使用需求。在线上平台运行模式中，信息是其重要的交易载体和资源。在大数据快速发展的时代，利用丰富的网络信息共享平台实现购买者与销售者双方信息之间的通畅与交换是实现电器电子产品回收的主要手段[73]。“闲鱼”整合了互联网的平台资源，通过提升信息交换的速率和安全性，为整个线上回收网络经济的运营搭建平台。最终构成了一个趋于完善的信息流，并慢慢地演进为现金流。只要有顾客从其信息发布平台上产生交易，就会有相应的酬金进账。在此基础上，“闲鱼”通过大数据学习，依据消费者的检索记录推荐卖方，提高了交易成功率。然而，在线上交易过程中，一些问题不容忽视。“闲鱼”处于快速发展阶段，在市场主体的选择和把关层面的标准体系有所降低，使得一些不符合市场交易主体资质的交易单位或者个人进入了网络交易的平台。这类主体把关不严的问题为今后的交易安全埋下了隐患。同时，物流配送是线上回收平台运行中需要面对的问题。线上回收平台的买卖双方多是个体，商家和用户都不愿承担高昂配送成本，影响平台交易率[74]。

线上线下融合的回收平台对消费者而言，更加安全与便捷。第三方企业通过构建回收网络，从消费者手中回收电子产品，然后运输到回收处理中心。线上线下融合回收平台利用互联网和电子商务将信息技术与回收商业进行深度融合，并与消费者实现交互。基于物联网可以对废旧电器电子产品的回收过程进行信息资源整合。利用传感器、无线射频识别(Radio Frequency IDentification, RFID)标签和其他设备，监控、协调、控制和集成相关操作，形成了信息物理系统(Cyber Physical Systems, CPS)[75]，并收集到非结构化数据。将所有数据首先存储在大数据收集系统中，如Cassandra、CouchDB和Voldemort[76]。存储的数据使用如Hadoop[77]等大数据处理技术进行处理，并利用高效、安全的协议进行数据传输[78]。数据传输协议OHCR(on-hole children reconnection)和OHA(on-hole alert)分别解决了基于局部信息和全局信息的路由漏洞问题[79]。当出现路由漏洞时，协议以最小的网络设置开销动态地重新连接断开的节点，保持了稳定传输周期，同时增加了拓扑形成算法的网络生命周期。在保持连接的同时最小化拓扑改造的能量消耗，限制了连接和网络开销之间的平衡，保证了数据的高效传输。通过对不同来源的废旧电器电子产品数据进行管理、处理、分析与优化，并将结果反馈到产品线上回收平台应用中，可以创造出巨大的经济和社会价值[80]。现有线上线下融合的回收平台运行相对独立，依赖个体用户、产品拆解企业等相关不确定因素，对平台掌握市场动态并作出准确决策带来挑战。各平台互联，共享回收信息对提高回收效率具有重要意义。为保护各平台数据隐私，利用模型迁移方法，将数据信息迁移到其他模型进行训练，避免数据直接传输。在迁移过程中，将目标域和源域联系在一起，通过两域的互相学习，间接地降低目标域上的误差[81]。域自适应方法可以分为基于离散度最小化的方法、基于对抗学习的方法以及基于数据重建的方法3类。基于离散度最小化的方法主要思路是利用已标注源域数据以及部分有标注或者无标注的目标域数据训练模型，消除两个域之间的差异性[82];基于对抗学习的域自适应方法包含一个域鉴别器，该鉴别器的作用是识别一个数据样本是来自源数据域还是目标数据域[83];对抗学习的目标是使得源数据和目标数据在特征空间上的分布尽量一致。根据是否包含生成器，基于对抗学习的域自适应方法又可以分为生成式模型和非生成式模型。在生成式模型中，除了上述鉴别器以外，还存在一个生成器，两者构成生成对抗网络[84]。生成器生成类似目标数据的伪数据[85]。知识的跨域迁移可以通过模型在这些伪数据以及真实的目标数据上进行学习来完成。非生成式模型利用有标注的源数据来学习一个具有判别性的特征空间，并通过一个域混淆损失函数，使得目标数据映射到该特征空间后与源数据分布相同，以实现知识在不同域的自适应迁移[86]。基于数据重建的域自适应方法中，数据的重建包含基于自编码器的数据重建和基于对抗网络的数据重建[87]。基于自编码器的数据重建中，编码器用来做特征学习，解码器用以数据重建。在基于对抗网络的数据重建方法中，数据的生成利用对偶生成对抗网络、循环生成对抗网络以及disco生成对抗网络完成，误差的衡量通过生成对抗网络的判别器来实现[88]。利用模型迁移，可以保护各平台数据隐私，同时促进平台间信息交互，有利于废旧电器电子产品回收平台精准决策。

4 发展趋势与展望

目前电器电子产品回收相关技术和回收平台正处于快速发展阶段，但该行业仍存在许多问题与挑战，包括缺少完整的相关技术标准和行业规范、缺乏高质量标准数据资源、回收体系不健全、产品再利用率低等问题，回收效率有待提升，具体为：

(1)缺乏规范的高质量的数据平台与数据资源 电器电子产品种类多样，数据资源分散，规模大，但缺乏统一规范，难以保证数据质量，因此制约了电器电子产品准确识别的发展。在数据采集和共享过程中，数据呈现多样性、复杂性的特点，如何保证数据的可靠性和完整性是需要解决的关键问题。同时，不同质量标准的差异使得数据分类、数据范围、数据格式、数据取值等存在差异，影响不同平台的大规模数据共享，阻碍数据应用与创新，因此，建立高质量数据平台具有积极意义。此外，由于回收数据随时间、地理空间等不可控因素不断变化，时效性强的数据对于价值评估等回收环节具有重要影响。使用历史数据学习模型将导致平台信息更新存在偏差，为线上平台制定更加精准有效的经营策略带来干扰。需要依据实际情况合理遗忘数据，保证模型学习的时效性。通过对废旧电器电子产品数据进行实时管理、处理、分析与优化，并将结果反馈到产品线上回收平台的应用中，可以使回收平台管理者实时掌握市场动态并迅速做出应对，为线上平台制定更加精准有效的经营策略提供决策支持，帮助企业为消费者提供更加及时和个性化的服务，创造出巨大的经济和社会价值。

(2)回收体系不健全 随着电器电子产品回收规模和品类的不断增长，客户的回收要求多样化，回收调度问题呈现高动态性和强约束性。目前的调度优化技术多是根据特定回收调度场景设计的，当场景中的关键变量或者约束条件发生变化时，现有调度优化技术的优化性能显著下降，难以快速寻找到最优调度方案。电器电子产品回收调度通过权衡不同回收主体的回收需求，快速寻找到最优调度方案，满足个性化回收需求，提高回收企业利润，是一个亟待解决的问题。回收网点数量和布局与现实需求尚存在较大差距。部分地区由于基础设施不完善，回收网点建设难度大，成为回收体系发展瓶颈，需要加大宣传力度、增加资金投入，进一步提高回收网点的覆盖率和创新回收方式。同时，智能回收平台基于大数据信息处理技术运行，回收平台间信息共享机制不完善，对数据的隐私保护存在隐患，增加了平台信息交互难度，导致回收信息阻塞，应加强技术创新，促进电器电子产品回收流程智能平台的建设与运行。

(3)产品再利用率低 电器电子产品回收平台正处于快速发展时期，缺少完整的相关技术标准和行业规范指导，造成回收平台运行混乱。一些恶意低价、交易信息安全等问题导致消费者回收意愿降低。需要进一步完善行业规范标准，例如提供信息保密监管，保护消费者个人隐私信息；制定产品定价标准，符合当前市场行情，并能有效权衡回收商利润与用户收益间关系，维护消费者权益。只有解决回收平台运行乱象，提高消费者交投意愿，才能提高产品再利用率。回收平台主体也存在经营困境，环保设备投入成本高，回收零部件需要经过筛选和测试等流程才能保证回收零部件的质量，该过程大幅增加成本，甚至可能导致最终产物的价值低于处置成本，同时根据规定，正规拆解企业只能拆，不能修，利润空间小，在收购电器电子产品时价格没有竞争优势，导致大量产品流入私人作坊，企业却面临回收量不足，难以参与到正常的市场竞争中的问题，降低了产品再利用率。面对现状，需要相关部门出台更加合理的法规，加强优惠政策，推动环保回收行业的良性发展。

5 结束语

本文对电器电子产品回收现状进行了分析，并围绕电器电子产品识别与价值评估、回收调度优化和回收平台与运行模式3个方面进行了总结。通过综合考虑实际回收市场面临的问题，阐述了产品识别与定价技术、调度优化技术，以及智能回收平台的发展现状。然而，电器电子产品回收行业依然存在回收体系运行不畅、产品再利用率低等问题。如何逐步提高回收效率和回收效益，建立智能化回收平台，保护环境并促进资源再利用是当前面临的挑战性问题。最后，给出了当前电器电子产品回收面临的挑战并展望了未来发展趋势，有望促进智能平台可持续发展，实现电器电子产品再生资源利用。