首頁 資訊頻道 互聯頻道 智能頻道 網絡 數據頻道 安全頻道 服務器頻道 存儲頻道

如何解決垃圾丟棄問題?人工智能、無人機前來相助

2019-12-11 10:42:46 來源 : 科技行者

話說,塑料性質出眾、耐用且便宜,但在全部塑料制品中,高達50%(全世界每年約1.5億噸)的比例在使用一次后即被丟棄。雖然不少人一直致力于回收水瓶與塑料袋,但對于龐大的廢棄總量而言,只能算是杯水車薪。大風和雨水將無數塑料廢物沿著市政街道與排水系統進入小溪、河流、海灣乃至海洋,而且目前我們仍然拿不出簡單易行的塑料過濾手段。

 

舊金山河口學院(SFEI)環境信息學系主任Tony Hale表示,“塑料制品丟棄問題已經相當嚴重,但現有雨水處理與清理設施仍然非常有限。”

因此,SFEI決定嘗試利用無人機尋求解決之道。

SFEI設想的解決方案是結合人力與機器,包括派人徒步計數并收集當地水道中的垃圾,且利用配備攝像頭的無人機對垃圾排放情況進行大規模評估。

Hale解釋道,“大多數排水處理行業的地勤人員每年只進行一次垃圾監測,幸運的話也就兩次而已。由于人力太過有限,我們自然很難了解垃圾總量及其給社區生活帶來的具體影響。”

利用無人機攝像技術,“我們能夠跟蹤小溪、河流乃至大江中的垃圾存在量,分析垃圾的分布方式,而后根據需要利用機器學習算法進一步剖析圖像內容。”

無人機研究是SFEI及其姊妹組織南加州沿海水研究項目組全新計劃中的一部分。新計劃將在海洋保護委員會的資助下驗證現有垃圾監測方法,并開發出可供社區環衛部門、市政項目、環保機構以及生態學家使用的垃圾監測新方案。此項計劃涵蓋多種實驗性舉措,例如禁止在城市的雨林區內使用塑料袋等。

Hale指出,“我們的任務是幫助城市規劃者找到最理想的雨水過濾辦法,阻止垃圾及塑料等雜物進入受保護的濕地以及公共水道。”

深度學習支持環衛清理

通過在舊金山灣以及附近支流區域內派遣無人機,SFEI在初次實驗中立即收集到約35000張圖像。

Hale還提到,“以這么快的速度覆蓋巨大的土地面積,著實令人驚訝。”但他的興奮之情很快消失,因為在合理的時間內處理如此巨量的數據,同樣難度極大。“我們用了將近一個月時間來處理這些圖像。”

為此,Hale和他的團隊利用2000條注釋描述各種垃圾類別,并借此訓練一種開源TensorFlow機器學習算法,用于在這35000張圖像當中識別具體垃圾類別、數量與位置。

為了進一步加快分析速度,SFEI還與數據分析初創企業Kinetica開展合作。Kinetica公司CMO Daniel Raskin表示:他們首先將SFEI的垃圾檢測模型旋轉在Docker容器當中;而后對接Kinetica的“主動分析”工作臺;利用Python API,Kinetica即可將圖像流傳輸至表內,并以此為基礎對圖像進行存儲、分類與標記。

Raskin指出,“除了圖像的提取與分發之外,我們還運行SFEI的垃圾檢測模型,對數據庫內的全部圖像進行分類。”

如此一來,SFEI構建起一套龐大的圖像目錄。加利福尼亞水質監管機構如今可以根據地理位置與垃圾丟棄情況,直接使用這35000張圖像帶來的可視化分析結果。

最初,Kinetica利用一臺四核計算機通過分布式CPU框架運行托管Kubernetes,用以支撐SFEI的部署模型。Kinetica公司SFEI項目解決方案工程師Nick Alonso指出,“我們用了約十天時間運行整個模擬流程。”雖然他們后來將該應用遷移至單GPU服務器(GPU能夠高效處理機器學習類工作負載),但模擬過程仍然耗費了近一周時間。

為此,Kinetica決定加快效率,將SFEI工作負載交由Oracle Cloud Infrastructure提供的八個V100 GPU實例之上。Alonso回憶道,“整個模擬過程的速度得到迅猛提升,以往需要近一周的工作,現在能夠在18小時26分內順利完成。”

相關文章

最近更新

股票融资利息一般多少