NVIDIA DEVELOPER


上敦 AXXON 台灣總代理


堆肥、回收利用，還是非堆肥？當你端著咖啡杯來回踱步時，這個問題在你腦海中不斷浮現。借助今年夏天由 NVIDIA 三名高中實習生開發的「綠色機器」，垃圾分類變得前所未有的簡單。




這三位學生分別是來自岡恩高中的 Karly Hou、來自庫比蒂諾高中的 Shruthi Jaganathan，和來自山景高中的 Isaac Wilcove，他們希望自己的產品能夠助力 NVIDIA 的「綠色環保」計畫。

在 NVIDIA 的餐廳裡，員工可以將一盤物品放在購物車上，這台綠色機器將利用深度學習和 Jetson TX2 攝影機，辨識每件物品，並在其上投射顏色編碼的邊界框。該計畫使 NVIDIA 員工能夠輕鬆地，直觀地了解垃圾的分類方式 —— 可堆肥、可回收、不可堆肥和可重複使用。

多類網路 EnviroNet，使用 cuDNN 加速的 TensorFlow 深度學習框架，在 NVIDIA Tesla V100 GPU 上，以 SSD MobileNet V1 進行訓練。此網路佈署在 Jetson TX2 上，並使用 TensorRT 進行最佳化。投影機用於將物體的分類結果投影到托盤上。




學生選擇使用連接 CSI 的攝影機，利用 Jetson TX2 強大的 GPU 進行 AI 推理，從而降低延遲並實現近乎即時的 AR 式互動。

團隊希望，綠色機器的易用性，能夠教育並鼓勵人們正確分類物品。

學生們說：「很多人對塑膠杯和餐具竟然可以堆肥感到驚訝。我們每天都能看到大量的垃圾被錯誤地丟棄，我們希望這款設備能夠讓人們更輕鬆、更快速地進行正確分類，幫助 NVIDIA 減少垃圾掩埋場的堆積。」

綠色機器的另一個關鍵特性，是其可遷移性。由於神經網路學習到的許多物件，並非 NVIDIA 獨有，因此只需對需要添加到網路的任何特定位置的物件，進行一些調整，即可輕鬆地在家庭、辦公室、學校、商店等場所重新建立和實施模組化硬體設定。


Video Player
00:00
00:25


因此，下次當您考慮是否要堆肥或回收咖啡杯時，只需找到最近的綠色機器（堆肥）。