根据外媒的报道，最新研究表明，先进的人工智能技术有望彻底改变英国的垃圾回收方式。来自利物浦霍普大学的研究团队正在开发一种新型低成本分类系统，旨在减少进入垃圾填埋场的固体废物数量。
这种新方法采用基于计算机视觉的摄像头系统，通过训练后能够识别传送带上的每一件家用物品，进而指挥机器人进行分类，避免依赖人工手动筛选。
霍普大学数学、计算机科学与工程学院的EManuele Lindo SeCCO博士表示，他们已证实该方法的有效性和高精确度。
值得一提的是，他与论文共同作者、工程与机器人导师KaRl MyeRs成功地以不到100英镑的成本制作出这一分类系统，使其具备全球推广的潜力。
在一份最新报告中，SeCCO和MyeRs指出，由于城市化、人口增长和工业化的迅速发展，全球固体废物污染正在急剧上升。对此，他们提出了一个问题：我们是否具备处理如此庞大垃圾量的能力？答案显然是否定的。目前我们无法妥善处理不断增加的垃圾量，也没有能力处理已回收的垃圾。因此，我们必须致力于简化废物分类流程，并提升智能回收的效率，以减轻材料回收设施的压力。
据悉，SeCCO及其团队使用了一台廉价的树莓派计算机，并将其与一台高分辨率相机相结合。通过智能机器学习，树莓派电脑能够识别纸张、玻璃、塑料、金属和纸板五种不同类型的废物。
这一能力的实现得益于一个包含3500张不同垃圾图片的数据库，该数据库由谷歌图像和一个名为TRashNet的资源提供。
通过转移学习，这一系统在标记垃圾时，辨识能力不断增强，这被视为实现真正人工通用智能的关键驱动力之一。
当谈及整体准确性时，团队表示其通过测试达到了92%的成功率，这使得该系统具备了商业应用的潜力。
尽管SeCCO博士承认，该系统的运行速度仍需提升，才能真正投入使用，这主要受到树莓派处理能力的限制，但已经为新的处理方法奠定了基础。
SeCCO补充道：我们生活的世界正面临着人类制造的废物的严重污染。最近在废物回收方面取得了一定进展，但这也将加重本已效率低下的材料回收设施的负担。因此，必须加大努力，提高MRF的效率和降低成本。尤其是现在，计算机视觉的研究表明，嵌入式计算机视觉可能是解决这一问题及其他相关问题的有效途径。随着技术和软件的进步，其获取、使用和功能都变得更加容易和强大。
