垃圾分类:人工智能派上用场

自上海7月份上海开始推行“史上最严垃圾分类措施”以来,垃圾分类成了很多人日常生活的“必修课”。一个月过去,利用新技术、新模式推进垃圾分类的探索不断涌现。

垃圾污染问题并非中国所独有,很多发展中国家都备受困扰。日前,谷歌在一篇博客中透露,为减少印度尼西亚的塑料垃圾,印度尼西亚一家创业公司用上了谷歌的人工智能技术。

据介绍,塑料垃圾是印度尼西亚面临的大难题。这个国家拥有5万公里长的海岸线,而这里又普遍缺乏垃圾处理的公共意识,将很多垃圾倒入大海。

印尼垃圾分类:人工智能派上用场

印度尼西亚创业公司Gringgo就希望借助技术力量应对这个问题。

Gringgo首席技术官兼联合创始人费布里亚迪·普拉塔玛介绍,受印度尼西亚地形地貌影响,为可回收物定价十分困难。印度尼西亚包含17000个岛屿,其中有5个主要岛屿,而绝大多数回收利用设施都位于爪哇岛。这使其他岛屿可回收物的运输成本增加,因此回收价值较低的材料就不再分类,最终以污染环境为代价。

不仅如此,在印度尼西亚,环卫工人的路线和工作安排通常不太规律,而且他们也缺乏相关知识和专业技能来精确辨别哪些物品有回收价值。这些因素对印度尼西亚的垃圾回收率和环卫工人的生计具有很大负面影响。

2017年,Gringgo发布了几款与垃圾处理相关的软件。其中一款软件允许环卫工人追踪回收物的类型和数量,还能向他们推荐更加有规划的路线来节省时间,实现了人工量化回收物品,带来了潜在收入。普拉塔玛介绍,发布这些软件一年内,Gringgo在印尼首个试点村庄将垃圾回收率提升了35%。

今年早些时候,Gringgo被评为“谷歌AI影响力挑战赛”的20个受资助者之一。“我们想到可以创建一个图像识别工具,对不同垃圾进行分类,并判断其价值,进而帮助提升塑料垃圾回收率。”普拉塔玛说。

在谷歌的帮助下,Gringgo正和另一家创业公司合作,使用谷歌的机器学习平台TensorFlow研发图像识别工具。目标是让环卫工人更好地对垃圾进行分析和分类,并量化它们的价值。

有了人工智能的加持,环卫工人将可以为垃圾拍照,通过图像识别判断相关物品及其价值。“这将教育环卫工人了解不同回收物的市场价值,帮助他们优化选择,并将收入最大化。最终将激励环卫工人以更高的效率回收和处理垃圾,并提升回收利用率。”普拉塔玛说。

普拉塔玛介绍,Gringgo的目标是不断优化人工智能模型,使它在经济角度更加可持续,并实现广泛推广应用。

“我们相信,人工智能可以帮助解决我们这个时代最困难的社会和环境问题——比如医疗、灾害预测、环境保护、农业或文化保护。”谷歌AI负责人、资深研究员杰夫·迪恩介绍,谷歌已经启动“用AI造福社会”项目,探索利用机器学习相关研究,对社会、人道主义事业和环境问题产生积极影响。

推荐文章

cilantro是一个精简快速的C ++库,用于处理点云数据,重点是3D案例。它包括各种常见操作的高效实现,提供干净的API并尝试最小化样板代码的数量。该库具有广泛的模板化,可以对任意数值类型和维度(如果适用)的点数据进行操作,并具有更复杂过程的模块化/可扩展设计,同时为最常见的方法提供方便的别名/包装器案例。cilantro可以在我们的技术报告中找到高级描述。支持的功能基本操作:一般尺寸kd树(使用捆绑的nanoflann)原点云的曲面法线和曲率估计基于通用维度网格的点云重采样主成分分析用于3D点云的基本I / O实用程序(采用PLY格式,使用捆绑的tinyply)和特征矩阵RGBD图像对与点云转换实用程序配对凸壳:从顶点或半空间交叉输入计算(使用捆绑的Qhull)的一般维度凸多面体表示,并允许在各个表示之间轻松切换通用(一般维度)空间区域的表示,作为实现集合操作的凸多面体的联合集群:一般维度k-means聚类,支持nanoflann支持的所有距离度量基于各种图拉普拉斯类型的光谱聚类(使用捆绑的光谱)平核均值漂移聚类基于连通分量的点云分段,支持任意逐点相似度函数模型估计和点集注册:RANSAC估计器模板及其实例,用于稳健的平面估计和刚性点云登记用于点对点和点对面度量(及其组合)的完全通用的迭代最近点实现,支持任意点要素空间中的任意对应搜索方法可视化:经典多维尺度(使用捆绑光谱进行特征分解)功能强大,可扩展且易于使用的3D可视化工具cilantro,一个用于几何和通用点云数据处理的开源C ++库。该库提供的功能涵盖了低级点云操作,空间推理,各种点云分割方法和通用数据聚类,灵活或局部几何对齐的灵活算法,模型拟合以及强大的可视化工具。为了适应各种工作流程,cilantro几乎完全模板化,其大多数通用算法都在任意数据维度上运行。同时,该库易于使用且具有高度表现力,促进了简洁的编码风格。cilantro经过高度优化,具有最小的外部依赖性,并支持在各种环境中快速开发高性能点云处理软件。

热门文章

        对数据标注行业稍微有些了解的人都知道数据标注进入门槛低,适合很多人兼职也适合创业。        正是因为数据标注行业的门槛低这个特点最近两年从事数据标注的小公司小工作室如雨后春笋般的遍布全车大大小小的县城。        但是目前有个有趣的现象,那就是有很多进入数据标注行业做了一段时间的人慢慢的感觉数据标注行业就是个坑?为什么有些人会说数据标注就是个坑呢?        其实对与有上述问题认识的人我们认为,这些人多数都是有于对这个行业对自身条件的不了解,盲目的开始进入数据标注行业的。为什么我们会这样说呢?下面就给给大家来分析下到底有哪几方面的原因:        一、有相当一部分人是听了朋友或者网上消息说这行很火爆,好做,门槛低,也有一部分人了因此租办公室买电脑招人,然后就去群里面找分发项目的人就开张干起来了。可实际上这些人他们大多数都没有充分了解数据标注行业,更没有认真仔细得去调查分析,到底自己能不能做好一个项目,到底自己能不能有质有量按时交付的完成一个项目,到底自己有没有这个能力来管理项目。更多的人也没有去用长远的眼光去考虑数据标注项目。        二、数据标注项目虽然入门门槛低,但是相当一部分有于理解认知应变能力上都不能保证去做好数据标注项目,还有一部分人由于自己对标注项目重视程度不足接到项目之后呢?不仔细认真的去阅读理解项目规则,更没有很好的对规则质检标准去培训员工,而对员工的要求主要看重每天的产出效率,从而导致接到手的项目做的质量很差,频繁的返工,有提项目甚至因为质量太烂项目方不给结算或者是结算比例很少,最终的结果就是做好些个项目但基本都是赔钱。        三、虽然业内人都 说数据标注简单,但是标注项目他也是一个系统性的工程,一个项目能不能做好并不简单的看项目好做就能赔钱。实际上决定项目赚不赚钱考验的是一个团队的项目管理水平,质量管理能力,运营能力各方面因素的。一句话再好赚钱的项目也照样有人赚钱也有人赚钱,要赚钱不是那么简单的。        四、还有些工作室 、小公司因为对行业不够了解等他们做了一段时间后发现,自己团队经常会没有项目做,而自己团队接项目的业务能力又不具备,甚至有的时候为了员工有活干去接一些价格极低根本就不赚钱的标注项目,时间稍微一长这些工作室团队就会赔上很多钱最终关门倒闭。        五、下来要说的就是一部分人人兼职人员由于认识不到位,对项目的规则质量要求 文件不认真阅读消化理解导致做的项目质量差返工有的甚至最后不结算,最终退出这行。更有一些人由于经验不足被标注行业的项目骗子给忽悠到辛苦劳动到最后结算时找不到人。        标注行业本身由于进入门槛低,做的人很行业内盲目打价格战,导致很多转手二手三手的项目在质量工期的要求下根本就不赚钱甚至赔钱,所以在这里也提醒大家做任何事都要谨慎而行。