隨（suí）著垃圾分類成為今夏最熱話題，國內（nèi）互聯網、科技公司紛紛推出了（le）小程序、App等查詢應（yīng）用，包（bāo）括百度、搜狗、科大訊飛等公司均推出了相關的智能查詢功能。支付寶、微信上也有不少相（xiàng）關小程序和小遊戲。這些應（yīng）用的特點大同小異，主要以（yǐ）查詢為主，支（zhī）持（chí）語音、圖像查詢。接受新浪科技采訪時，人工智能技術與服務提（tí）供商（shāng）第四範式的技（jì）術人員表示，垃（lā）圾分類中所涉及的計算（suàn）機視覺技術包括了（le）圖像分（fèn）類、圖像定位（wèi）、圖像檢測等環節。

例如在垃圾分類的場景中，首先（xiān）需要將帶有不同垃圾種類的圖片進行標注，標注是為了告訴計算（suàn）機圖像中出現的是可回收、廚餘、不可回收等（děng）不同類型的垃圾，以及垃圾在圖像中的位置等信息，作為訓練模型的原始數據。

模型訓練好後，可以將新（xīn）的圖片輸入給模型，模型會識（shí）別、定位出是哪種類型的垃圾以及所在的位置，從而實現（xiàn）垃圾（jī）分類的需求。

“目前計算機視覺技術已經（jīng）相當成熟，第四範式（shì）在計算（suàn）機視覺領域已經有了深厚的積累。能否投入使用的關鍵在於模（mó）型識別（bié）的精準度，而影響模型精準度（dù）的關鍵在於原始數據量的質量（liàng）的大小。原始數（shù）據質量越高，數量越大，訓練出識別準確率高的模型幾率越大。”

上（shàng）述技術人員表示，數據庫中包含是經過標注（zhù）過的數據，標注的質量越高，AI訓練的效果越好。

但目前，最大的問題是，標注數據（jù）的過程更多的是由人工來完成，現階段還無法由AI來實現。雖然一些研究者正在探（tàn）索自動標注數（shù）據的工作（zuò），但離真正應用還存在很長的距離。

此外，值得（dé）思考的是，如果將來各個城市的垃圾分類標準不統一，也將會對AI提出更高的要求。