劉田田

摘要：助力垃圾分類(lèi)新時(shí)尚，提出一種利用物體識(shí)別、文字識(shí)別和大數(shù)據(jù)分析技術(shù)的垃圾智能處理系統(tǒng)的設(shè)計(jì)思路。首先通過(guò)文字搜索、圖片識(shí)別、語(yǔ)音搜索、定位導(dǎo)航等技術(shù)，定位用戶(hù)位置，收集各種垃圾分類(lèi)的數(shù)據(jù);接著利用大數(shù)據(jù)技術(shù)對(duì)數(shù)據(jù)進(jìn)行處理分析，建立垃圾分類(lèi)數(shù)據(jù)庫(kù);最后結(jié)合圖片或語(yǔ)音識(shí)別、文字信息檢索，實(shí)現(xiàn)垃圾智能分類(lèi)、歸檔和處理再利用。該系統(tǒng)能夠?qū)崟r(shí)獲取，極大提高垃圾分類(lèi)效率和用戶(hù)參與度。

關(guān)鍵詞：大數(shù)據(jù);人工智能;語(yǔ)音識(shí)別;垃圾分類(lèi)

中圖分類(lèi)號(hào)：TP391? ? ? ? 文獻(xiàn)標(biāo)識(shí)碼：A

文章編號(hào)：1009-3044（2020）30-0067-02

生產(chǎn)力大爆發(fā)的今天，人民生活水平極大提高，人民物質(zhì)消費(fèi)水平也大量提高，同時(shí)也產(chǎn)生了大量的垃圾，“垃圾圍城”的形勢(shì)愈發(fā)嚴(yán)峻。2019年7月1日，上海市正式實(shí)行垃圾分類(lèi)。2020年，將北京、天津、重慶、廈門(mén)、西寧、烏魯木齊等46個(gè)城市納入垃圾分類(lèi)試點(diǎn)城市，并且逐步完善垃圾分類(lèi)系統(tǒng)[1]。垃圾分類(lèi)變成新時(shí)尚。而對(duì)垃圾的分類(lèi)處理一直依賴(lài)于人工，處理低效、耗時(shí)，無(wú)形中增加了居民的工作量，而且對(duì)垃圾處理人員的身體造成大量危害，垃圾再利用效率低下。

垃圾分類(lèi)是個(gè)復(fù)雜的系統(tǒng)工程，除了政策上的硬約束和居民端的配合，更需要技術(shù)手段的介入。利用大數(shù)據(jù)分析技術(shù)和人工智能新技術(shù)輔助垃圾信息分類(lèi)不失為一個(gè)好的途徑。

1 國(guó)內(nèi)外垃圾處理現(xiàn)狀

國(guó)外發(fā)達(dá)國(guó)家的垃圾分類(lèi)處理技術(shù)已經(jīng)發(fā)展了幾十年，形成了相對(duì)成熟的垃圾管理理念和技術(shù)。比如經(jīng)常被提到的日本，擁有完善的立法體系，強(qiáng)有力的監(jiān)管執(zhí)行體系，相對(duì)完善的垃圾分類(lèi)制度，國(guó)民也形成了良好的環(huán)保理念。從居民端垃圾分類(lèi)投放開(kāi)始，到垃圾的搜集、運(yùn)輸、資源的回收，整個(gè)垃圾分類(lèi)與處理系統(tǒng)能夠良好地運(yùn)行。歐美等國(guó)家也建立了相對(duì)完善的垃圾分類(lèi)、運(yùn)輸、處理的體系，著重從源頭出發(fā)，分類(lèi)收集、循環(huán)利用，對(duì)生活垃圾的分類(lèi)與回收再利用技術(shù)相對(duì)成熟[2]。

與發(fā)達(dá)國(guó)家相比，我國(guó)的垃圾分類(lèi)回收機(jī)制起步比較遲，垃圾分類(lèi)體系不健全、分類(lèi)標(biāo)準(zhǔn)不統(tǒng)一、居民垃圾分類(lèi)意識(shí)也比較淡薄，隨著城市化進(jìn)程的迅猛前進(jìn)，居民生活水平的躍升，“垃圾圍城”的困境越來(lái)越突出。2017年，《生活垃圾分類(lèi)制度實(shí)施方案》發(fā)布[3]，“到2020年底，基本建立垃圾分類(lèi)相關(guān)法律法規(guī)和標(biāo)準(zhǔn)體系，形成可復(fù)制、可推廣的生活垃圾分類(lèi)模式，在實(shí)施生活垃圾強(qiáng)制分類(lèi)的城市，生活垃圾回收利用率達(dá)到35%以上”，“并在2020年底前，部分重點(diǎn)城市的城區(qū)范圍內(nèi)先行實(shí)施生活垃圾強(qiáng)制分類(lèi)?！崩诸?lèi)一躍成為新時(shí)尚。

《上海市生活垃圾管理?xiàng)l例》的施行使得垃圾分類(lèi)進(jìn)入強(qiáng)制分類(lèi)時(shí)代[4]。條例中將生活垃圾分為可回收物、有害垃圾、濕垃圾和干垃圾四類(lèi)，每一類(lèi)中指明了相應(yīng)的所屬物品，旨在實(shí)現(xiàn)生活垃圾減量化、資源化、無(wú)害化，建立健全生活垃圾分類(lèi)投放、分類(lèi)收集、分類(lèi)運(yùn)輸、分類(lèi)處置的全程分類(lèi)體系，積極推進(jìn)生活垃圾源頭減量和資源循環(huán)利用。

政策上陸續(xù)出臺(tái)法律法規(guī)，垃圾分類(lèi)標(biāo)準(zhǔn)也在逐步進(jìn)行統(tǒng)一，結(jié)合我國(guó)生活垃圾廚余垃圾占比較高的特點(diǎn)，利用可操作的技術(shù)手段輔助垃圾分類(lèi)實(shí)施也成為迫切的需求。

2 主要技術(shù)分析

1956年美國(guó)漢諾斯小鎮(zhèn)的達(dá)特茅斯“用機(jī)器來(lái)模仿人類(lèi)學(xué)習(xí)以及其他方面的智能”的會(huì)議上，“人工智能”首次被提出，經(jīng)歷了繁榮、低谷的輪回期，于2010年新一代信息技術(shù)引發(fā)的海量信息與數(shù)據(jù)的變革中迎來(lái)了增長(zhǎng)爆發(fā)期。人工智能，顧名思義就是人為地賦予機(jī)器智能，能夠像人類(lèi)一樣思索，機(jī)器學(xué)習(xí)是實(shí)現(xiàn)人工智能的一個(gè)途徑，而深度學(xué)習(xí)是機(jī)器學(xué)習(xí)研究領(lǐng)域目前發(fā)展勢(shì)頭最好的一個(gè)新的領(lǐng)域，由Hinton等人于2006年，在頂級(jí)期刊《科學(xué)》上的一篇論文中提出[5]，核心是模擬人腦的機(jī)制來(lái)解釋數(shù)據(jù)，例如圖像、聲音和文本，對(duì)人工神經(jīng)網(wǎng)絡(luò)進(jìn)行學(xué)習(xí)訓(xùn)練，試圖尋找最優(yōu)解。三者之間的關(guān)系如圖1人工智能領(lǐng)域圖解中所示。本文主要針對(duì)的是垃圾分類(lèi)系統(tǒng)的創(chuàng)建，利用深度學(xué)習(xí)對(duì)物品材料進(jìn)行分類(lèi)，同時(shí)結(jié)合文字識(shí)別和物品的視覺(jué)文理信息分類(lèi)物品的種類(lèi)，進(jìn)行垃圾分類(lèi)歸檔。

對(duì)海量的垃圾進(jìn)行歸檔、處理就需要利用大數(shù)據(jù)技術(shù)。將識(shí)別出的垃圾數(shù)據(jù)結(jié)合產(chǎn)生的地點(diǎn)信息，上傳至互聯(lián)網(wǎng)云端數(shù)據(jù)庫(kù)，同時(shí)結(jié)合當(dāng)?shù)禺a(chǎn)業(yè)和人口分布情況，對(duì)垃圾的產(chǎn)生源頭、運(yùn)輸路徑和再利用方法進(jìn)行大數(shù)據(jù)分析，得到垃圾分布特征信息。同時(shí)對(duì)垃圾的運(yùn)輸路徑與成本進(jìn)行統(tǒng)計(jì)，通過(guò)智能計(jì)算與分析得到最優(yōu)運(yùn)輸路徑，節(jié)省垃圾的運(yùn)輸成本。對(duì)比分析現(xiàn)有垃圾處理站的安放是否合理，對(duì)垃圾產(chǎn)生多的地點(diǎn)增加回收裝置，垃圾產(chǎn)生少的地點(diǎn)相應(yīng)地減少回收裝置，結(jié)合垃圾分布情況，配套相應(yīng)的垃圾回收再利用站點(diǎn)，比如居民區(qū)紙盒之類(lèi)的快遞包裝裝置多時(shí)，則在附近重點(diǎn)配套紙盒回收站點(diǎn)，方便紙盒的回收再利用，減少造紙污染和物品包裝成本。

3 系統(tǒng)分析與設(shè)計(jì)

利用大數(shù)據(jù)技術(shù)和深度學(xué)習(xí)算法，輔助垃圾分類(lèi)，通過(guò)技術(shù)的手段，為解決垃圾難題提供新思路。通過(guò)圖片或物體的識(shí)別，結(jié)合文字檢索信息，利用大數(shù)據(jù)分析技術(shù)，建立收集的垃圾分類(lèi)數(shù)據(jù)庫(kù)，實(shí)現(xiàn)垃圾分類(lèi)智能化。針對(duì)居民垃圾投放特點(diǎn)，合理安排垃圾回收站分類(lèi)，使垃圾回收站能夠高效率處理垃圾，同時(shí)便于后續(xù)的運(yùn)輸與管理，提升垃圾循環(huán)利用效率。

3.1 功能分析

本系統(tǒng)主要利用物體識(shí)別，文字識(shí)別和大數(shù)據(jù)分析技術(shù)智能處理垃圾。首先通過(guò)視覺(jué)分類(lèi)器輔助質(zhì)量等其他特征信息，結(jié)合可識(shí)別的文字信息，對(duì)各個(gè)地點(diǎn)垃圾存儲(chǔ)裝置里的垃圾（垃圾簍，垃圾站等）進(jìn)行智能分類(lèi)，減少垃圾分類(lèi)人工成本，然后大數(shù)據(jù)分析各個(gè)地點(diǎn)的垃圾分布情況，結(jié)合各地點(diǎn)的垃圾分布情況的數(shù)據(jù)和各地附近的產(chǎn)業(yè)鏈，統(tǒng)籌規(guī)劃垃圾處理和再利用的方法。

優(yōu)勢(shì)是結(jié)合人工智能，智能分類(lèi)垃圾，減少人力成本和提高分類(lèi)效率，同時(shí)減少對(duì)工作人員的危害。同時(shí)運(yùn)用大數(shù)據(jù)分析技術(shù)，統(tǒng)籌規(guī)劃，減少運(yùn)輸成本，提高垃圾收集點(diǎn)分布的覆蓋面，以此達(dá)到提高垃圾回收利用率、節(jié)約產(chǎn)品成本的目的。

3.2 系統(tǒng)設(shè)計(jì)

圖像分類(lèi)算法研發(fā)：采集大量垃圾圖片數(shù)據(jù)，進(jìn)行分類(lèi)訓(xùn)練，循環(huán)迭代，提高識(shí)別準(zhǔn)確度。對(duì)垃圾圖片中數(shù)據(jù)進(jìn)行ocr識(shí)別，進(jìn)一步提高垃圾物品分類(lèi)準(zhǔn)確度。最后研發(fā)的算法包裝成sdk部署至后臺(tái)服務(wù)器，供前端攝像頭通過(guò)web接口調(diào)用。

大數(shù)據(jù)分析算法研發(fā)：結(jié)合垃圾分布地理數(shù)據(jù)進(jìn)行大數(shù)據(jù)分析、np路徑規(guī)劃，優(yōu)化垃圾運(yùn)輸路線(xiàn)，聚類(lèi)分析各種垃圾和當(dāng)?shù)禺a(chǎn)業(yè)的相關(guān)度，提高垃圾再利用效率。結(jié)合垃圾分布數(shù)據(jù)和垃圾回收站點(diǎn)分布數(shù)據(jù)，分析垃圾回收點(diǎn)分布合理性。這些算法也封裝成sdk，交給后臺(tái)部署。

后臺(tái)數(shù)據(jù)服務(wù)器：后臺(tái)數(shù)據(jù)庫(kù)各個(gè)表和字段確定，后臺(tái)服務(wù)多線(xiàn)程并發(fā)處理，后臺(tái)網(wǎng)絡(luò)接口開(kāi)發(fā)，部署和維護(hù)。

整個(gè)垃圾智能分類(lèi)系統(tǒng)用到人工智能和大數(shù)據(jù)技術(shù)，其中，人工智能領(lǐng)域涉及圖像識(shí)別、文字識(shí)別以及語(yǔ)音識(shí)別;大數(shù)據(jù)方面主要是數(shù)據(jù)清洗以及數(shù)據(jù)挖掘。接下來(lái)是算法的設(shè)計(jì)與改進(jìn)，找到適合垃圾分類(lèi)識(shí)別的算法模型，最后是后臺(tái)服務(wù)器的部署與維護(hù)，如圖2系統(tǒng)設(shè)計(jì)圖所示，涵蓋應(yīng)用到的技術(shù)、算法研發(fā)直至最終的系統(tǒng)研發(fā)實(shí)施。

4 結(jié)束語(yǔ)

建立垃圾智能分類(lèi)系統(tǒng)是垃圾處理、循環(huán)利用的前提，同時(shí)能夠極大地提升處理效率，為后續(xù)的收集、運(yùn)輸、再利用提供便利。利用大數(shù)據(jù)技術(shù)對(duì)海量垃圾進(jìn)行特征提取分類(lèi)，利用人工智能對(duì)垃圾進(jìn)行分類(lèi)處理，再加上終端用戶(hù)的主觀能動(dòng)性，希望能在前端最大限度地實(shí)現(xiàn)垃圾的循環(huán)利用，緩解垃圾圍城的困境。

參考文獻(xiàn)：

[1] 中華人民共和國(guó)國(guó)家發(fā)展和改革委員會(huì). “十三五”全國(guó)城鎮(zhèn)生活垃圾無(wú)害化處理設(shè)施建設(shè)規(guī)劃[EB/OL].[2020-06-20]. http：//www.ndrc.gov.cn/zcfb/zcfbtz/201701/t20170122_836 016.html.

[2] 劉抒悅.美國(guó)城市生活垃圾處理現(xiàn)狀及對(duì)我國(guó)的啟示[J].環(huán)境與可持續(xù)發(fā)展，2017，42（3）：84-86.

[3] 中華人民共和國(guó)國(guó)家發(fā)展和改革委員會(huì).生活垃圾分類(lèi)制度實(shí)施方案[EB/OL]. [2020-06-20]. http：//hzs.ndrc.gov.cn/newzwxx/201703/t20170331_842941.html.

[4] 上海市人民代表大會(huì)公告 第11號(hào).上海市生活垃圾管理?xiàng)l例[EB/OL]. [2020-06-20].http：//www.spcsc.sh.cn/n1939/n1944/n1946/n2029/u1ai185433.html.

[5] Hinton G E， Osindero S， Teh Y W. A fast learning algorithm for deep belief nets[J]. Neural computation， 2006， 18（7）： 1527-1554.

【通聯(lián)編輯：代影】