隨著垃圾分類成（chéng）為今（jīn）夏最熱話題（tí），國內（nèi）互聯網、科技公司紛紛推（tuī）出了小程（chéng）序、App等查詢應用，包括百度、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、微信上也有不少相關小程序和小遊戲。這些應用的特點大同小異，主要以查詢為主，支（zhī）持語音（yīn）、圖像（xiàng）查詢。接受新浪科技采訪時，人工智能技術與服務提供（gòng）商第四範式的技術人（rén）員表示，垃圾分類中所涉及的計算機視覺技術包括了圖像分類、圖像定位、圖像檢測等環節。

例如在垃圾分類的場景中，首先需要將帶（dài）有不同垃圾（jī）種類的圖片進行標注，標注是為了告訴計算機圖像（xiàng）中出現的是可回收、廚餘、不（bú）可回收等不同類型（xíng）的垃圾（jī），以（yǐ）及垃圾在圖像中的位置等信（xìn）息（xī），作為訓練模型的原始數據。

模型訓練好後，可以將新的圖片輸入（rù）給模型，模型會識別、定位出是哪（nǎ）種類型的垃圾以（yǐ）及所在的位置，從而實現垃圾分類的需求。

“目前計算機視覺（jiào）技術已經相（xiàng）當（dāng）成熟，第四範式在計算機（jī）視覺領域已經（jīng）有了深厚的積累。能否（fǒu）投入使用的關鍵在於模型識別的精準度，而影響模型精準（zhǔn）度的關鍵在於原始數據量的質量（liàng）的（de）大小。原始數據質量越高，數量（liàng）越大，訓練出識別準確率高的（de）模型幾率越大。”

上述技術人員表示，數據庫中包含是經過（guò）標注過的數據，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（zhù）數據的過程更多的（de）是由人（rén）工來完成，現階段還無法由AI來（lái）實現。雖然（rán）一些研究者正在（zài）探索自動標（biāo）注數據的工作，但離真正應用還存在很長的距離。

此外，值得思考的是，如果將來各個城（chéng）市（shì）的垃圾分類標準不統一，也將會（huì）對AI提出更高的要求。