★ 電腦視覺在廢棄物管理的熱門應用

viso.ai

上敦 AXXON 台灣總代理

了解組織如何使用智慧型系統，透過電腦視覺技術辨識、追蹤、分類和處理廢棄物。

隨著世界人口持續成長，廢棄物管理已成為地方和組織必須加緊解決的日益嚴重的問題。人口成長帶來的消費率上升，意味著更多的廢棄物產生，需要有效率且有效的管理。根據世界銀行的數據，2016 年全球產生了 20.1 億噸都市固體廢棄物，專家預測 2050 年將急遽上升至 34 億噸。

然而，真正有效的廢棄物管理並非易事。通常，不同類型的廢物經常被混合在一起處理。分離這些類型的廢棄物是一個危險的過程，因為每種廢棄物都需要特定的處理方法。例如，收集的生活垃圾可能包含幾種不同類型的塑膠袋，需要分類才能進行適當的回收。

由於這些勞動密集型任務，容易導致人為錯誤，分類過程很快就會變得缺乏效率。這時，電腦視覺技術可以幫助辨識、分類廢棄物並確保其妥善處理。

在本報導中，我們將介紹電腦視覺作為廢棄物管理的有效工具。我們將探討其在日益可視化的世界中，在智慧城市垃圾分類、回收和整體處置流程改進方面的應用。

Klacci 凱樂奇商用級智慧門鎖各種應用解決方案

人工智慧在垃圾管理的應用

近年來，人工智慧 (AI) 和機器學習領域取得了顯著發展。許多產業開始採用這些技術，來提高專案的成本效益和效率，同時不斷尋找一種工具來提升競爭優勢。垃圾管理產業就是其中之一 —— 企業主要專注於在智慧工具的幫助下，對垃圾進行分類、安全處置和妥善回收。

智慧科技在廢棄物管理的各種應用概述 – 來源

上圖展示了人工智慧優化垃圾接觸點的各種方法，涵蓋了從物體辨識到物體分類，再到預測分析。每種方法都涉及人工智慧特定領域的應用。例如，我們可以使用歷史資料，來估算垃圾的產生量。

但是，如果我們想即時辨識哪些垃圾被放入了垃圾桶，該怎麼辦？我們如何防止垃圾桶滿溢？

為了真正解決實際問題，組織需要的不僅僅是電腦視覺工具或演算法。完整的端到端解決方案，可以幫助我們解決整體挑戰，並實現可立即投入生產的應用。在深入研究這些應用之前，讓我們先回顧一下，電腦視覺的基礎知識及其各種任務。

什麼是電腦視覺？

電腦視覺是人工智慧 (AI) 的一個領域，主要包括處理和分析，來自現實世界的圖像和影像，並幫助基於這些圖像和影像做出決策。這使得機器能夠擁有人類的視覺。電腦視覺可用於執行各種任務，例如物件偵測、影像分類、影像辨識和影像分割，從而解決一系列挑戰。

電腦視覺主要在底層使用神經網路。它為自主無人機、自動駕駛汽車、閉路電視攝影機的人臉辨識等提供動力。現在讓我們看看，電腦視覺如何改善廢棄物管理。

要了解更多關於電腦視覺作為人工智慧領域的知識，建議你閱讀我們的電腦視覺入門指南。

電腦視覺在廢棄物管理的應用

如上所述，電腦視覺使我們能夠分析和處理圖像和影像。這些技術可用於辨識和分析視覺數據。電腦視覺在廢棄物管理中的一些應用包括：

• 自動垃圾分類機器人
• 智慧垃圾箱
• 偵測非法垃圾傾倒和處置
• 檢測垃圾中的寶貴資源

• 
  

廢棄物管理 – 來源

應用 1：自動垃圾分類機器人

每天，人類工人都會從不同地點，收集各種類型的垃圾。然而，人為失誤往往是導致回收和處置效率標準不達標的原因之一，例如垃圾分類不當。這正是我們將機器人技術與電腦視覺結合的契機。

透過物件偵測，電腦視覺系統可以辨識和分類不同類型的垃圾。配備攝影機和感測器的垃圾分類機器人，可以即時偵測這些垃圾。

這些機器人經過大量資料集的訓練，可以準確地對垃圾進行分類，並將其引導至適當的回收或處置路徑。

以下是全面智慧垃圾處理系統的範例：

1. 影像擷取：攝影機即時擷取傳送帶上垃圾的影像。
2. 預處理：對影像進行清理和增強（例如降噪、歸一化），以提高模型準確性。
3. 物件偵測：電腦視覺演算法（例如捲積神經網路 (CNN)）分析影像，辨識並分類垃圾類型（例如塑膠、金屬、紙張）。
4. 資料分析：系統將偵測到的物體，與預先訓練好的模型進行比較，以準確標記每個物品。
5. 垃圾分類：根據分類結果，將垃圾分為預先定義的類別（例如可回收、不可回收、危險）。
6. 機械手臂啟動：機器人系統根據垃圾類型接收指令，並使用夾爪或吸盤拾取物品。
7. 分類：機械手臂將分類後的垃圾，放入適當的垃圾箱或隔間中，以便進一步處理或回收。
8. 回饋循環：系統持續監測分類準確率，並使用新數據更新電腦視覺模型，以提升未來效能。
9. 與物聯網整合：感測器和物聯網設備追蹤垃圾箱收集涼的情形，報告運作問題，並即時優化系統效率。

應用 2：智慧垃圾箱

有時，普通垃圾桶裡的垃圾量，會超出其承載能力。垃圾桶滿溢不僅不美觀，還會造成健康風險並阻塞通道。人工檢查垃圾桶內的垃圾量也非常費力，增加了垃圾管理的成本。

那麼，如果我們能擁有，一個能夠解決所有這些問題的垃圾桶，會怎麼樣呢？如果這樣的垃圾桶確實需要，那麼該採用什麼技術來驅動它呢？

智慧垃圾桶廣泛採用電腦視覺演算法，主要利用物體偵測和物體辨識技術。這些系統協調感測器和視覺演算法，來監測垃圾量。一旦垃圾桶內的垃圾量達到一定程度，它們就會向環衛工人發送訊息，並鎖上垃圾桶。

智慧垃圾桶之所以重要，有幾個原因，主要體現在以下幾個面向：

• 阻止疾病傳播；
• 提高垃圾管理效率；
• 減少環境污染；
• 保持周圍環境衛生。

應用 3：規範傾倒與處置

在未經授權的區域非法傾倒垃圾會造成嚴重問題，例如健康危害、疾病傳播、傾倒地點衝突，以及環境破壞。電腦視覺在檢測和處理非法垃圾處置方面，發揮著重要作用。

以下是配備電腦視覺的設備可以提供幫助的一些方式：

• 智慧城市街道監控：使用 CNN 的安控攝影機可以監控街道，辨識垃圾並精確定位其位置。
• 人類活動偵測：整合 OpenPose 或 YOLO 等演算法的攝影機，可以偵測在公共區域傾倒垃圾的個人。
• 空中監控：來自無人機和衛星的高解析度影像，可以從更廣闊的視角，辨識非法傾倒地點。

應用 4：辨識並清除有價值的廢棄物

垃圾通常包含可重複使用和可回收的材料，因此回收是減少一次性垃圾，和最大程度降低環境影響的最有效方法之一。然而，回收並不像直接處理垃圾那麼簡單。首先，必須對不同的材料進行準確分類，以便進行適當的回收。

雖然人工可以完成這項任務，但它也帶來了一些挑戰：

• 分類效率低下
• 勞動成本上升
• 分類所需時間增加

這些問題可以透過在回收設施中，使用配備電腦視覺的設備進行分類來解決。研究人員已經開發了各種模型，來實現這些任務的自動化，從而提高回收率。

例如，來自曼徹斯特大學、華東理工大學和東華大學的一組研究人員，開發了兩階段廢棄物辨識 —— 檢索演算法，以提高廢棄物分類的準確性。

用於垃圾分類的兩階段垃圾辨識 —— 檢索演算法 - 來源

在這個模型中，第一階段將最差的垃圾分為十三類，第二階段將垃圾分為四類。其準確率約為 94.71%。

然而，該演算法存在一些限制。它只能辨識混合垃圾中的一種垃圾，並且在對紙張、紙巾和紡織品進行分類時，準確率較低。

葡萄牙波爾圖大學的研究人員，開發了一種分層深度學習方法，用於對餐盤中的垃圾進行分類和辨識。

分層深度學習法 – 來源

用於垃圾分類的多層混合卷積神經網路 (CNN)，能夠根據垃圾的材質將垃圾分為六類，準確率高達 92.6%。這項突破意義重大，因為它省去了人工執行這些傳統繁瑣任務的麻煩。

多層混合卷積神經網路 – 來源

另一組來自中國的研究人員，提出了一種利用線上光譜技術，和卷積神經網路（CNN），來檢測廢棄物中紡織品的方法。此模型對廢棄物中的紡織品，進行分類的準確率高達 95.4%。它根據紡織廢棄物的材質，將其分為十三個類別。

線上光譜卷積神經網路 – 來源

侷限性與未來展望

雖然電腦視覺演算法，可以顯著提高廢棄物管理的效率，但它們也存在一定的限制。

基於卷積神經網路的系統，通常需要昂貴的硬體，而且能耗高。此外，由於光照條件不佳，影像處理系統在日出和日落時可能會出現問題。取得用於模型訓練的高品質資料，也極具挑戰性，因為影像品質在一天中的不同時間會有所不同，從而導致模型精度降低。

這些限制可以透過增強模型效能，和整合其他技術（例如物聯網 (IoT)）來克服。

利用電腦視覺系統實施廢棄物管理

人工智慧驅動的廢棄物管理系統，可以提高生活品質，促進社區的永續發展。電腦視覺在現代廢棄物管理中，發揮著非常重要的作用，顯著優化了廢棄物處理方法。

電腦視覺領域的最新進展，正在改變廢棄物管理的方式。然而，隨著創新不斷改進這些流程，我們預計未來幾年，這些智慧系統的品質和實例將會提升。

Viso Suite 協助智慧城市與智慧廢棄物管理

Viso Suite 已被世界各地的私人企業和政府機構，用於廢棄物管理。 IT 領導者之所以選擇 Viso Suite，是因為它能夠無縫整合到現有技術堆疊中，並隨著專案需求的不斷變化而擴展。如需了解更多關於 Viso Suite 如何解決廢棄物管理挑戰的信息，請預約我們專家團隊的示範。

Viso Suite：唯一的端對端電腦視覺平台

 

Klacci 凱樂奇 U95系列雙系統行動生物辨識智慧門鎖

按此回今日3S Market新聞首頁