全球再生塑料资讯站再生塑料 · 循环经济← 全部资讯

环境ESG

【日本】日本科学家开发AI工具识别海底塑料垃圾

责任编辑:Clara Zeng2 分钟阅读
日本科学家开发AI工具识别海底塑料垃圾

要点

  • JAMSTEC研发DeepLitterAI,处理速度为人工目视审查的两倍。
  • 训练数据集包含约12,000张自1983年以来的海底影像。
  • 系统检测主要垃圾物品成功率为80%,误差幅度约10%。
  • 可识别占图像宽度5%-10%的塑料瓶和聚乙烯袋等物体。

据日本当地媒体周四报道,日本研究人员开发出一套新型人工智能系统,旨在提升对散落在海底的塑料垃圾的识别能力。该系统名为DeepLitterAI,由日本海洋研究开发机构(JAMSTEC)的科学家研发。据一家总部位于东京的新闻机构援引《环境污染》(Environmental Pollution)期刊发表的研究成果称,该系统处理视觉数据的速度约为人工目视审查的两倍。研究人员表示,该工具最终将用于海洋塑料污染的实时监测。

为训练该系统,研究团队汇编了约12,000张图像,这些图像取自该机构自1983年以来数十年间采集的海底影像资料。数据集既包含真实的垃圾物体,也包含在视觉检查中极易被误判为垃圾的物品,例如岩石和各类海洋生物。为降低误判概率,团队利用多种图像变体对人工智能进行训练,包括原始照片的模糊版本和反色版本。

传统上,检测海底塑料垃圾一直颇具难度。部分原因在于,进入海洋的大量塑料最终会下沉并沉积于自然海底地貌之中,导致其在视觉上难以与背景区分。参与该研究的生物海洋学家中岛良太(Ryota Nakajima)表示,新系统使团队能够快速定位垃圾大量堆积的区域,这些信息随后可用于指导清理与预防工作。

在利用真实海底影像进行的测试中,该系统被证明能够识别现场垃圾的类型与数量,即便单个物体仅占图像总宽度的5%至10%。研究发现,与人类专家通过直接目视检查得出的评估结果相比,该人工智能成功检测出约80%的主要垃圾物品(包括塑料瓶和聚乙烯袋),误差幅度约为10%。

全球研究人员正持续探索更高效的海洋塑料污染追踪方法。科学家指出,过去数十年间,这一问题规模已大幅扩大,目前几乎波及所有深度的海洋生态系统。DeepLitterAI等自动检测工具未来有望协助政府机构及环保组织,优先在垃圾高度聚集区域开展清理行动,从而摆脱对耗时且覆盖范围有限的人工海床调查的单一依赖。

编辑观点

AI介入海洋垃圾识别将大幅降低前端分选成本,使rPE、rPP等再生料的原料获取更精准。从业者应关注该技术在EPR合规及回收率提升中的应用,推动从被动清理向主动监测转型。

常见问题

DeepLitterAI识别海底塑料的速度有多快?

处理视觉数据速度约为人工目视审查的两倍。该数据源自《环境污染》期刊发表的研究成果,显示AI在效率上显著优于传统人工检查。

该系统对微小塑料垃圾的识别率是多少?

成功检测出约80%的主要垃圾物品,误差幅度约为10%。测试显示即便物体仅占图像宽度5%-10%,系统仍能识别塑料瓶和聚乙烯袋等类型与数量。

训练DeepLitterAI用了多少张海底图像?

汇编了约12,000张图像。这些资料取自JAMSTEC自1983年以来的海底影像,包含真实垃圾及易误判的岩石、海洋生物等视觉干扰项。