据外媒报道，一项最新研究表明，尖端人工智能可能有助于彻底改变英国回收垃圾的方式。来自利物浦霍普大学的学者们日前正在开发一种新的低成本分类系统，他们表示，该系统可以减少进入垃圾填埋场的固体垃圾数量。
据了解，这种新方法采用了一种基于计算机视觉摄像头的系统，其在经过训练后可以识别传送带上的每一件家用物品，然后指令机器人对它们面前的物品进行分类而不是让回收中心依靠人类手工筛选物品。
霍普大学数学、计算机科学与工程学院的EManuele Lindo SeCCO博士表示，他们已经能证明这种方法有效且高精确度。
值得注意的是，他跟论文的合著者、工程和机器人导师KaRl MyeRs还成功地以不到100英镑的价格制作出了这个分类系统使其有可能在全世界推广。
SeCCO和MyeRs在一份新的报告中写道：由于快速城市化、人口增长和工业化，全球固体废物污染正在急剧上升。我们有能力处理如此多的垃圾吗？这个问题的答案是否定的。目前我们没有能力处理越来越多的垃圾，而且我们也没有能力处理我们正在回收的垃圾。因此，我们必须致力简化废物分类程序并加强智能回收废物的工作以进一步减轻物料回收设施的压力。
据悉，SeCCO他们使用了一台便宜的树莓派电脑并将其跟一台高分辨率相机结合在一起。通过智能机器学习，树莓派电脑通过编程拥有识别五种不同类型的废物–纸张、玻璃、塑料、金属和纸板–的能力。
而它之所以能做到这一点，是因为它拥有一个包含3500张不同垃圾图片的数据库，这是由谷歌图像和一个名为TRashNet的资源提供的。
通过转移学习训练–实现真正人工通用智能的关键驱动力之一–该系统能在给垃圾标签时其辨识能力变得越来越强。
当该团队谈到整体的准确性时，他们表示其能通过测试达到92%的成功率，这使得它拥有商业应用前景。
尽管SeCCO博士也承认，该系统的运行速度还需要进一步提高才能真正投入使用–这在很大程度上要归功于树莓派的处理能力，但一种新的处理方式的基础已经被确定。
SeCCO补充道：我们生活的世界正日益受到人类制造的废物的污染。最近在回收这些废物方面取得了很大进展，但这将增加本已效率低下的材料回收设施的压力。因此必须加大努力、提高MRF的效率、降低其成本。更具体地说，计算机视觉的研究表明，嵌入式CV可能是这个问题和许多其他相关问题的答案。尤其是现在，由于技术和软件的进步，它更容易获得、更容易使用并变得更强大。
