2019年7月1日，史稱“最嚴(yán)格的垃圾分類法”《上海市生活垃圾管理條例》正式開始施行，一夜之間，上海人最常用的見面語從“儂好”，變成了“儂是什么垃圾”？

也許我們從來沒有想過，看似簡單的垃圾分類居然給“聰明”的人類帶來如此大的困擾，雖然只有可回收物、有害垃圾、干垃圾和濕垃圾四種分類，但面對現(xiàn)實生活中“豐富多彩”的垃圾，市民們還是被搞得“暈頭轉(zhuǎn)向”、“丈二和尚摸不著頭腦”。

有市民表示，由于要進(jìn)行垃圾分類，連珍珠奶茶都不敢喝了。喝完后，“儂曉得該怎么分類伐？”面對這樣的“世紀(jì)難題”，很多網(wǎng)友都“腦洞大開”想到了很多法子來降低垃圾分類的難度。

不過，在科技如此發(fā)達(dá)的今天，用這些方法來進(jìn)行垃圾分類，未免就太“不潮流”了，為什么就不能試試用如今炙手可熱的AI來進(jìn)行垃圾分類呢？

1 AI 垃圾分類市場火熱

實際上，用AI進(jìn)行垃圾處理并不是一件新鮮的事情，前幾年波蘭創(chuàng)業(yè)公司Bin-e公司開發(fā)了一種全新的人工智能垃圾桶，用戶只需要在垃圾桶前掃描一下垃圾，艙門便會打開。這個人工智能垃圾桶是通過傳感器、攝像頭、AI圖像識別算法來自動進(jìn)行垃圾分類，使用起來可以說是很方便了，而且回收公司也可以通過APP來隨時檢查垃圾桶的剩余空間等。

印度尼西亞一家創(chuàng)業(yè)公司Gringgo也曾使用谷歌的機器學(xué)習(xí)平臺TensorFlow研發(fā)圖像識別工具。目標(biāo)是讓環(huán)衛(wèi)工人更好地對垃圾進(jìn)行分析和分類，并量化它們的價值。無獨有偶，硅谷的創(chuàng)業(yè)公司Compology就給小區(qū)的垃圾箱配備了智能傳感器。這些傳感器每天會多次拍攝垃圾桶內(nèi)部的高分辨率照片，并發(fā)送圖像到云端。這樣，垃圾清理公司就能夠及時監(jiān)控信息，優(yōu)化卡車清運垃圾的路線或時間表，快捷高效地拾取垃圾，從而保證了不同規(guī)模小區(qū)的垃圾清理效率。

今年五月，沃爾沃公司同樣宣布與瑞典的Renova公司聯(lián)手，開始測試自動駕駛垃圾車。除了和普通無人車一樣配置激光定位器、雷達(dá)、攝像頭、紅外攝像頭等傳感系統(tǒng)之外，這種卡車還能夠按照設(shè)置好的路線，沿途收集垃圾。

2 垃圾分類 AI 開發(fā)的背后，暗藏“大坑”

實際上，用AI進(jìn)行垃圾分類并不像人們想象中的那樣簡單，它至少需要跨過幾個大坑：

第一，為了實現(xiàn)垃圾自動分類，首先需要有一個已經(jīng)分好類別的“垃圾”圖像數(shù)據(jù)集作為訓(xùn)練的基礎(chǔ)。如果沒有這樣一個可以直接使用的數(shù)據(jù)集，就需要自己動手收集海量的“垃圾”圖像并為每張圖像標(biāo)注相應(yīng)的類別。而數(shù)據(jù)集的收集以及標(biāo)注一直都是一件非常耗時耗力的工作。

第二，垃圾分類實際上是一個圖像識別分類的問題。通常，對于圖像識別分類，基于深度卷積神經(jīng)網(wǎng)絡(luò)的圖像分類算法效果最好，這當(dāng)中，目前應(yīng)用比較廣泛的AlexNet、VGGNet、ResNet。AlexNet是計算機視覺任務(wù)的標(biāo)配，雖然比較成熟，但由于出現(xiàn)較早，在性能上有些落伍，在AlexNet的基礎(chǔ)上，以增加網(wǎng)絡(luò)深度為思路，出現(xiàn)了VGGNet，但后來居上的ResNet，使得層數(shù)極深的網(wǎng)絡(luò)成為了可能，從而使網(wǎng)絡(luò)性能得到了大幅提升。當(dāng)前ResNet及其變種形式已經(jīng)被廣泛地應(yīng)用于圖像分類任務(wù)。不過，不論是AlexNet、VGGNet、還是ResNet，部署起來都挺復(fù)雜，也不太易于使用。

3 華為云 ModelArts：讓垃圾分類開發(fā)“極快致簡”

不過，好在有華為云ModelArts一站式AI開發(fā)平臺，擁有強大功能的它能夠幫開發(fā)者們“極快致簡”地越過AI垃圾分類開發(fā)的大坑。華為云ModelArts對AI開發(fā)中的全流程，包括數(shù)據(jù)處理、模型訓(xùn)練、模型管理、應(yīng)用部署等各方面都進(jìn)行了極致優(yōu)化，比如目前最耗費“人工”的數(shù)據(jù)篩選、預(yù)標(biāo)注等。ModelArts內(nèi)置MindData AI數(shù)據(jù)框架，以AI的機制來治理數(shù)據(jù)，用迭代訓(xùn)練來解決標(biāo)注的數(shù)據(jù)量問題，可實現(xiàn)數(shù)據(jù)標(biāo)注與準(zhǔn)備效率的百倍提升。借助ModelArts，不僅資深A(yù)I開發(fā)者能駕輕就熟的全程在云上進(jìn)行算法開發(fā)和模型訓(xùn)練，零基礎(chǔ)的開發(fā)小白也能輕松駕馭。

事實上，通過算力和計算方案方面的改進(jìn)，在同樣的模型、數(shù)據(jù)集和同等硬件資源情況下，ModelArts能將模型訓(xùn)練耗時降低一半。今年3月，在國際權(quán)威的深度學(xué)習(xí)模型基準(zhǔn)測試平臺斯坦福DAWNBenchmark圖像識別總訓(xùn)練/推理時間測試中，ModelArts排名世界第一。

就垃圾分類場景具體而言，ModelArts能夠有效助力垃圾分類AI模型開發(fā)。首先是垃圾圖片數(shù)據(jù)集的標(biāo)注，Modelarts會將數(shù)據(jù)進(jìn)行預(yù)處理，用AI的數(shù)據(jù)去標(biāo)注數(shù)據(jù)，即自動化標(biāo)注和半自動化標(biāo)注。通過對數(shù)據(jù)采樣、篩選和預(yù)標(biāo)注，能夠縮減開發(fā)者需要標(biāo)記的數(shù)據(jù)量，降低開發(fā)者工作量。其次是垃圾圖像的識別分類。

ModelArt不僅曾獲圖像識別總訓(xùn)練時間冠軍，為了將用戶使用門檻降到最低，華為云ModelArts還提供了圖像分類項目的視頻教程。此外，借助ModelArts，開發(fā)者還可將訓(xùn)練好的垃圾分類的AI模型部署為在線服務(wù)，驗證模型的可用性和準(zhǔn)確性，即時對模型進(jìn)行問題排查。

目前，華為云ModelArts不僅能提高AI垃圾分類開發(fā)效率，還在上海交通大學(xué)的自動駕駛賽車項目、云廬科技的建筑物結(jié)構(gòu)健康度預(yù)測、NGO雨林保護(hù)計劃中得到了廣泛的應(yīng)用。

免責(zé)聲明：本文內(nèi)容來源于網(wǎng)絡(luò)，文章版權(quán)歸原作者所有，意在傳播相關(guān)技術(shù)知識&行業(yè)趨勢，供大家學(xué)習(xí)交流，若涉及作品版權(quán)問題，請聯(lián)系刪除或授權(quán)事宜。

End

“物聯(lián)網(wǎng)百校公益行”，華清攜手阿里云加強物聯(lián)網(wǎng)人才培養(yǎng)！

專場招聘 | 這個企業(yè)又雙叒叕來華清啦

【干貨分享】狀態(tài)機思路在嵌入式開發(fā)中的應(yīng)用詳解

【干貨分享】嵌入式裸機編程中使用malloc、free會怎樣？

關(guān)于華清遠(yuǎn)見

華清遠(yuǎn)見武漢中心位于武漢市洪山區(qū)武漢工程大學(xué)（武昌校區(qū)）科技孵化器11 樓，學(xué)生的食宿與活動十分便捷，實驗設(shè)備、師資力量、教學(xué)管理等方面全國一流。武漢中心擁有專業(yè)級講師及資深工程師， 師資力量雄厚；擁有國內(nèi)最先進(jìn)的人工智能、云/大數(shù)據(jù)等開發(fā)硬件專業(yè)實驗設(shè)備，其中85%以上的實驗設(shè)備由華清遠(yuǎn)見自主研發(fā)；擁有以人為本的高級班主任老師，科學(xué)的教學(xué)管理制度。主要課程有嵌入式人工智能、Java大數(shù)據(jù)開發(fā)、Html5全棧開發(fā)、Python+人工智能等，并為每一位學(xué)員提供專業(yè)的就業(yè)指導(dǎo)，高薪就業(yè)的學(xué)員不計其數(shù)，做良心教育，做專業(yè)教育，做受人尊敬的職業(yè)教育。

 微信搜一搜 華清遠(yuǎn)見武漢中心 點分享 點點贊 點在看

免責(zé)聲明：本文內(nèi)容由21ic獲得授權(quán)后發(fā)布，版權(quán)歸原作者所有，本平臺僅提供信息存儲服務(wù)。文章僅代表作者個人觀點，不代表本平臺立場，如有問題，請聯(lián)系我們，謝謝！