[[342870]]

據了解，這種新方法采用了一種基于“計算機視覺”攝像頭的系統，其在經過訓練后可以識別傳送帶上的每一件家用物品，然后指令機器人對它們面前的物品進行分類而不是讓回收中心依靠人類手工篩選物品。

霍普大學數學、計算機科學與工程學院的Emanuele Lindo Secco博士表示，他們已經能證明這種方法有效且高精確度。

值得注意的是，他跟論文的合著者、工程和機器人導師Karl Myers還成功地以不到100英鎊的價格制作出了這個分類系統使其有可能在全世界推廣。

Secco和Myers在一份新的報告中寫道：“由于快速城市化、人口增長和工業化，全球固體廢物污染正在急劇上升。我們有能力處理如此多的垃圾嗎？這個問題的答案是否定的。目前我們沒有能力處理越來越多的垃圾，而且我們也沒有能力處理我們正在回收的垃圾。因此，我們必須致力簡化廢物分類程序并加強智能回收廢物的工作以進一步減輕物料回收設施的壓力。”

據悉，Secco他們使用了一臺便宜的“樹莓派”電腦并將其跟一臺高分辨率相機結合在一起。通過智能機器學習，樹莓派電腦通過編程擁有識別五種不同類型的廢物--紙張、玻璃、塑料、金屬和紙板--的能力。

而它之所以能做到這一點，是因為它擁有一個包含3500張不同垃圾圖片的數據庫，這是由谷歌圖像和一個名為TrashNet的資源提供的。

通過“轉移學習”訓練--實現“真正人工通用智能(AGI)”的關鍵驅動力之一--該系統能在給垃圾標簽時其辨識能力變得越來越強。

當該團隊談到整體的準確性時，他們表示其能通過測試達到92%的成功率，這使得它擁有商業應用前景。

盡管Secco博士也承認，該系統的運行速度還需要進一步提高才能真正投入使用--這在很大程度上要歸功于樹莓派的處理能力，但一種新的處理方式的基礎已經被確定。

Secco補充道：“我們生活的世界正日益受到人類制造的廢物的污染。最近在回收這些廢物方面取得了很大進展，但這將增加本已效率低下的材料回收設施的壓力。因此必須加大努力、提高MRF（材料回收設施）的效率、降低其成本。更具體地說，計算機視覺(CV)的研究表明，嵌入式CV可能是這個問題和許多其他相關問題的答案。尤其是現在，由于技術和軟件的進步，它更容易獲得、更容易使用并變得更強大。”