用机器视觉做垃圾分类,还能分析用户消费习惯? ...

原文链接: https://yq.aliyun.com/articles/689281

垃圾一直是让各个国家头疼的问题,尤其对于人口过亿的人口大国。其中,垃圾分类被视为一项有效的推广措施,不过,并非所有人明确「可回收」与「不可回收」的定义,或者说对垃圾需要有更清晰的划分。

也由此,国外Intuitive AI公司推出了一款名为OSCAR的垃圾分类系统。

用机器视觉做垃圾分类,还能分析用户消费习惯? ..._第1张图片

该系统通过机器视觉进行垃圾分类,另外,Intuitive AI首席执行官Hassan Murad也表示,希望通过对OSCAR收集的垃圾数据进行数据分析,并向企业出售有关用户在特定地点消费习惯数据。

机器视觉与垃圾分类

OSCAR是Intuitive AI公司推出的一个用于垃圾分类的智能系统,该系统拥有一块32英寸显示屏和智能摄像头。OSCAR通过机器学习算法,可以识别用户手中的物品,并可以告诉用户接下来该如何处理(分别将其中哪些部分扔到哪个垃圾桶里)。

Intuitive AI首席执行官Hassan Murad表示,通过学习,该系统已经可以识别数千类垃圾,并将其分为几百个不同的类别,目前,该系统仍在继续训练,以从垃圾上可见信息中识别出垃圾具体是什么,并进行分类。例如识别出是可乐罐,还是汽水瓶。

用机器视觉做垃圾分类,还能分析用户消费习惯? ..._第2张图片

据外媒Venturebeat报道,OSCAR也有加入语音功能,当用户按照OSCAR的提示正确分类扔到相应垃圾桶后,OSCAR会发出类似“Good job!”的语音提示,并会在显示屏上放出礼花(confetti)画面,显示电影票或购买食物的优惠码;如果用户将垃圾放错位置,OSCAR则会在屏幕上显示暗红色的标志,并发出抱怨的声音,提示用户垃圾放错了位置。

该解决方案主要面向对象为小区、机场、学校、企业园区等应用场景。OSCAR目前正在加拿大温哥华机场、西蒙弗雷泽大学等地进行测试。此前,Murad也表示,“目前我们正在与多伦多、温哥华等城市共同研究改善住宅环境的相关解决方案。”

据中国城市环境卫生协会2010年统计数据显示,我国每年产生近10亿吨垃圾,其中生活垃圾产生量约为4亿吨,建设垃圾约为5亿吨;美国相对少一些,但是据美国2011年公布的相关数据显示,生活垃圾年产量也有2.35亿吨。

据外媒Venturebeat报道称,美国等地用户扔掉的废物中有98%最终被填埋,但其中超过80%的废物是可以回收再利用。

据globalnews报道,多伦多固体废物管理服务部总经理吉姆麦凯也曾表示:“垃圾每减少1%的交叉污染(垃圾放错位置),这个城市将因此每年节省60万到100万美元财政支出。”

由此可见,垃圾分类回收无论是对改善环境,或是产生经济效益,都有一定的作用。

当然,Intuitive AI也并没有将回收垃圾的经济效益视为重点,Intuitive AI的盈利重点在于通过垃圾中隐含的数据信息进行溯源,并分析用户消费习惯及消费场所,通过将这些数据提供给企业进行盈利。

数据追踪,分析用户习惯

雷锋网从Intuitive AI官网对这款硬件的描述中发现,OSCAR可以实时检测出某杯咖啡的位置来源(店铺位置)。

Murad也表示,Intuitive AI希望在未来可以向企业出售有价值的数据(有关用户消费习惯的位置数据)盈利。

“第一代”OSCAR主要可以向物业部门提供诸如哪些垃圾箱需要找清洁工及时清空的数据,以更提高清洁工的工作效率。收集的数据也可以提供给相关认证机构,作为LEED认证或可持续性评级的参考数据。

随着收集的数据越来越多,也更能够反映出附近商场、大学、机场等场景中哪些品牌和产品更受欢迎,人们在一天中某一时间段更喜欢吃什么,并将这些数据分析结果提供给快餐店、购物中心等,以供相关店铺更好地为用户提供服务。

雷锋网认为,就经济效益来看,这样的产品其实并无法替代清洁工,而只是提高清洁工效率。另外,更多的数据分析功能其实并未能在前期体现出来,因而,可以认为现在的OSCAR还是一个智能产品的概念原型。虽然这样的产品从环保角度来讲会有一定作用,但是如无相关政策推动或资金支持,也是很难存活下去的。

但是,不得不说的是,Murad选择以数据为切入口,相当于用类似国内的智慧城市的概念,Intuitive AI不仅作为硬件和方案供应商,同时也作为数据服务商,这是该项目存在的未知盈利空间,也是该项目的关键意义所在。

当然,就众人关注的用户数据的安全性,有数据服务属性的Intuitive AI也在官网上用了一个页面解释了其遵守PIPEDA(Personal Information Protection and Electronic Documents Act)和FIPPA(Freedom of Information and Protection of Privacy Act)等隐私保护法。

用机器视觉做垃圾分类,还能分析用户消费习惯? ..._第3张图片

此前夭折的「智能垃圾桶」

其实,在这个拥有摄像头和显示屏的OSCAR之前,Intuitive AI也曾推出过一个同样名为OSCAR的「智能垃圾桶」概念产品。

旧版OSCAR其实相对而言更“高级”,可以将用户丢入的垃圾通过机器视觉自动识别,并进行分类放到内置的两个垃圾箱中。

旧版OSCAR可以通过WiFi连接到家庭网络。配备运动传感器,可以检测到用户何时需要扔东西;内部拥有经过ImageNet数据集预训练的数据模型/算法,图像识别系统通过数码相机实时检测,垃圾并进行分类;设备顶部也可以通过LED等显示分类结果,如果未能识别出垃圾类别,也可以通过LED显示红色,随后可以通过两个按钮(「可回收」和「不可回收」)进行人工分类。

这一产品此前也曾在2018年7月上线kickstarter众筹平台进行众筹,但是最终Intuitive AI取消了众筹,相关产品也并未量产商用。据Venturebeat报道称,主要原因在于,Murad认为这样的产品不能很好地教育用户,无法培养用户正确的生活(垃圾处理)习惯和环保意识。

据kickstarter众筹平台众筹信息显示,这款面向C端用户的智能硬件此前的众筹价格为5436美元。因而,雷锋网(公众号:雷锋网)认为,这样弱人工智能时代的非刚需产品或功能,很难有C端用户为其支付数千美元。这更可能是第一版OSCAR此后未能量产及商用的原因。

用机器视觉做垃圾分类,还能分析用户消费习惯? ..._第4张图片

由此,也就不难理解功能迭代后的OSCAR会面向公共场所,面向B端和G端进行推广。以及Murad将数据服务定位为Intuitive AI的主要盈利方向。

万物皆可AI之「垃圾分类」

正如前文提到的,据中国城市环境卫生协会2010年统计数据显示,我国每年产生近10亿吨垃圾,其中生活垃圾产生量约为4亿吨,建设垃圾约为5亿吨。在各种政策倡导和绿色环保的主流风向下,垃圾分类确实也是一个值得被思考、被「智能化」的应用场景。

在现如今弱人工智能时代,如何通过现有的技术创造出更实用的功能,面向C端如何用低成本的硬件来培养用户习惯,面向B端和G端又如何提供更多附加价值或持续迭代价值,这些也是现在做智能产品时需要考虑的问题。

其实,在国内,面向B端和G端千元价位的德澜仕厨余垃圾智能收集箱,面向C端百元价位的拓牛智能垃圾箱都已有落地商用。

用机器视觉做垃圾分类,还能分析用户消费习惯? ..._第5张图片

而在产品功能迭代方面,Intuitive AI在数据应用方面的构想也还是有一定参考价值的。

你可能感兴趣的:(用机器视觉做垃圾分类,还能分析用户消费习惯? ...)