前往小程序,Get更优阅读体验!
立即前往
首页
学习
活动
专区
工具
TVP
发布
社区首页 >专栏 >程序员如何不被垃圾分类逼疯?

程序员如何不被垃圾分类逼疯?

作者头像
养码场
发布2019-07-09 17:14:13
8630
发布2019-07-09 17:14:13
举报
文章被收录于专栏:养码场

今天是《上海市生活垃圾管理条例》施行的第2天,这场被称为“史上最严”垃圾分类多次成功占据热搜头条。

在逼疯了魔都人民后,其他省市的吃瓜人民也不用“羡慕”了。

在2020年底,以下46个城市也要也将基本建成垃圾分类处理系统

那么,问题来了。

用过的餐巾纸是干垃圾还是湿垃圾?

喝过的奶茶是干垃圾还是湿垃圾?

于是

以前手机屏幕上是:

今天吃什么外卖好?麻辣香锅、小龙虾、煲仔饭、重庆小面……

现在手机屏幕上是:

外卖是什么垃圾、龙虾壳是什么垃圾、可乐是什么垃圾……

每天早上,站在垃圾桶前的你,好像当初在做高数的我。甚至饿了么、支付宝还迅速推出了代扔垃圾服务……

然而,垃圾变量太多,如何才能做到百分百的准确率?程序员为了不被垃圾分类逼疯,都干了什么?

基于深度学习的垃圾自动分类器

这是湿垃圾还是干垃圾还是可回收垃圾?深度学习自动识别。

第一步:垃圾图像数据准备。动手收集海量的“垃圾”图像并为每张图像标注上相应的类别(主要通过百度图片爬取相对应垃圾的图像),将分好类别的“垃圾”图像数据集作为训练的基础。

注:在实际的应用场景中,待分类的样本往往是不可控的,所以一般会增加“其他”这个类别用来收留各种异常样本。而在垃圾分类中,干垃圾已经扮演了“其他”的角色。

第二步,基于深度卷积神经网络的图像分类算法做垃圾分类。

使用50层的ResNet来构建垃圾自动分类器,具体是采用在ImageNet数据集上预训练的ResNet50模型参数作为初始化,利用之前收集的“垃圾”图像数据集对其进行微调。

其中,将上述ResNet50的最后一层输出从1000(ImageNet数据集的分类数量)修改为4(垃圾分类数量),同时在训练过程中冻结了部分卷积层参数的更新。

此外还进一步利用水平翻转、随机裁剪和色彩抖动等方式对训练的“垃圾”图像进行数据增强。

Intuitive AI:OSCAR垃圾分类系统

Intuitive AI公司推出了一款名为OSCAR的垃圾分类系统,该系统通过机器视觉进行垃圾分类。

拥有一块32英寸显示屏和智能摄像头,通过机器学习算法,可以识别用户手中的物品并可以告诉用户接下来该如何处理(分别将其中哪些部分扔到哪个垃圾桶里)。

BHS:MAX-AI

美国的 BHS( Bulk Handling Systems )公司的智能分拣机 MAX-AI ,通过视觉识别和多层神经网络技术,配合传送带送递垃圾,可以实现不不同材质的分类。

这个好,不用自己分类了……

微信小程序

目前微信小程序端已经出现了好几款垃圾分类小程序,是目前相对操作简单,成本低上手快的工具。

场主经过使用发现,主要分为2类:1、图像识别 2、文字检索。

但是尽管操作简单,样本数据仍显不足,图像识别速度过慢且存在误差,总体对于纸巾、奶茶杯等物品可以轻松识别,而遥控小车、打碎的玻璃碗等则难以区分垃圾类别。

总体看下来,垃圾分拣的难点主要在于识别不同的材料特征并予以归类,程序性非常强,相比其他领域,垃圾分类的技术门槛似乎并不很高,人工智能的智能检测、物体识别技术都大有可为。

场主认为,程序员们可以尝试着搞起来了。

入门答题:一把废弃的电动玩具枪属于什么垃圾呢?

本文参与 腾讯云自媒体同步曝光计划,分享自微信公众号。
原始发表:2019-07-02,如有侵权请联系 cloudcommunity@tencent.com 删除

本文分享自 养码场 微信公众号,前往查看

如有侵权,请联系 cloudcommunity@tencent.com 删除。

本文参与 腾讯云自媒体同步曝光计划  ,欢迎热爱写作的你一起参与!

评论
登录后参与评论
0 条评论
热度
最新
推荐阅读
相关产品与服务
图像识别
腾讯云图像识别基于深度学习等人工智能技术,提供车辆,物体及场景等检测和识别服务, 已上线产品子功能包含车辆识别,商品识别,宠物识别,文件封识别等,更多功能接口敬请期待。
领券
问题归档专栏文章快讯文章归档关键词归档开发者手册归档开发者手册 Section 归档