根据世界卫生组织的数据,每年有数万亿支香烟有可能进入水道,污染高达50万亿升的水资源。全球范围内,城市地区面临着这一环境挑战的主要压力。旧金山,以其标志性的地标和技术创新而闻名,不幸的是,这座城市也面临着垃圾和危险废物积累的问题,这突显了对创新解决方案的迫切需求。
为了帮助城市解决这一问题,Emin Israfil创立了Rubbish。Rubbish在旧金山及其他地区取得了进展,收集了解决垃圾问题的关键环境数据。自2017年以来,Rubbish一直在努力为每个人创造清洁、健康和可持续的社区。随着人工智能的最新进展,Rubbish团队看到了利用计算机视觉功能来获取新的垃圾数据捕获方式的机会。
“不能改进不去衡量的东西。” - 彼得·德鲁克。在城市发展的领域,这句话尤其正确。垃圾和环境数据发挥着多重关键功能。它跟踪年度进展,通报最需要资金的地方,优化垃圾箱等基础设施的布局,并揭示服务不足社区的无声斗争。此外,这些数据的意义超越了地方界限;像EPA和NOAA这样的机构在联邦层面上使用它来实施国家清洁水政策。
案例研究:旧金山的SOMA West。在2019年之前,SOMA West以其垃圾问题而闻名。那一年,新成立的SOMA West社区区与Rubbish合作,从垃圾到危险废物的各种问题进行了映射。在两周内,居民和工作人员绘制了超过27,000个他们希望解决的街道问题。有了这些数据,SOMA West团队与城市官员接触,针对热点问题,通过基于需求的赠款获得了额外资源,并对自己对社区的承诺负责。
结果如何?2020年的后续调查显示,垃圾和相关危害显著减少,包括针头减少了58%,人类/宠物废物减少了85%,为该地区的居民改善了环境。
LitterBug由行车记录仪镜头提供动力,并使用实时AI来检测和绘制城市中的垃圾。它不仅仅是识别垃圾,还制作了一个全面的热图,突出了垃圾热点。这不仅仅是数据;这是一个工具,一个指南,用于理解和解决受影响最严重的区域。如果想看看LitterBug的实际效果,这里有一个1分钟的演示。
利用Roboflow进行实时垃圾检测。从头开始构建AI模型,尤其是在黑客马拉松的时间限制下,可能是一个艰巨的任务——尤其是在旧金山交通中撞毁自行车摄像头支架之后(见上面的视频!)。这就是Roboflow发挥关键作用的地方。
有了Roboflow,Rubbish团队能够快速预处理和增强图像数据集,并训练视觉模型。他们在凌晨时分做到了这一点,并且在黑客马拉松演示之前仍然让模型运行。Roboflow工具的强大功能使团队能够专注于优化LitterBug的功能,而不会被模型训练的复杂性所困扰。
LitterBug最初是作为Cerebral Valley:AI在气候技术黑客马拉松的概念证明,展示了AI在解决现实世界挑战中的变革潜力。自黑客马拉松以来,团队一直在努力完善垃圾检测模型,微调实施,并准备在今年年底前作为Rubbish iOS应用程序的一个功能进行生产就绪的发布。
LitterBug团队成员:Emin Israfil、Alex Reibman、Salim Chemlal和Brian Zhu。虽然旧金山是起点,但LitterBug的潜力远远超出了这一点。加利福尼亚州的合作伙伴正在准备中,特别是作为该州清洁加利福尼亚倡议的一部分。随着AI和边缘计算的不断发展,像LitterBug这样的工具可以在全球城市部署,扭转对抗城市垃圾的潮流。
贡献数据集:并非所有的垃圾都是平等的。如果有想要贡献的专业模型,无论是用于香烟检测、品牌识别还是任何其他特定类型的垃圾,请将其贡献给Rubbish应用程序进行集成。专业知识可以帮助更有效地对垃圾进行分类。
加入工程项目:热衷于做出改变并且拥有支持的技术技能吗?Rubbish正在寻找志愿者来帮助开源工程项目。直接联系emin@rubbish.love,成为变革的一部分!
支持开放数据倡议:与NoTraceTrails和Moore塑料污染研究所合作,Rubbish正在开展有史以来最大的陆上垃圾和微塑料调查。调查覆盖了沿太平洋山脊小径及其周边的2,650英里,团队将沿途徒步和调查。想成为这个雄心勃勃的项目的一部分吗?在这里加入垃圾团队。
在技术和环保倡导的交汇处,存在着变革的潜力。LitterBug诞生于黑客马拉松,并在与Roboflow等合作伙伴的合作中得到培养,就是这一点的证明。作为开发者和技术爱好者,有责任利用技能、工具和平台来解决现实世界的挑战。毕竟,每一行代码都可以是迈向更清洁、更绿色未来的一大步。