隨著垃圾分類成（chéng）為今夏最熱話題（tí），國內互聯網、科技公司紛紛推出了小程序、App等查詢應用，包括百度、搜狗、科大訊飛（fēi）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（xì）。這些應用（yòng）的特（tè）點大同小異，主要以查詢為主，支持語音、圖像查（chá）詢。接受新浪科技采訪時，人工智能技術與服務提供商第四範式的技術人員表示，垃圾分類中所涉（shè）及的計算機視覺（jiào）技術包括了圖像（xiàng）分類、圖像定位（wèi）、圖像（xiàng）檢測等環節。

例（lì）如在（zài）垃圾分類的場景中，首先需要（yào）將帶有不同垃圾種類的圖片進行（háng）標注，標注是為了告訴計算機圖像中出現的是（shì）可回（huí）收、廚餘、不可回收等不同類型的（de）垃圾，以及垃圾在圖像（xiàng）中的位置等信息，作為訓練模（mó）型的原始數據。

模型（xíng）訓練好後，可以將新的圖片輸入給模型，模型會識別、定位（wèi）出（chū）是哪種類型（xíng）的垃（lā）圾以及（jí）所在（zài）的位（wèi）置，從而實現垃圾分類的（de）需求。

“目前計算機視覺技術（shù）已經相當成熟，第四範式在計算機視覺領域已經有了深厚的積累。能否投入使用（yòng）的關鍵在於模型識別的（de）精準（zhǔn）度，而（ér）影響模型精（jīng）準度的關鍵在於原始數（shù）據量的質量的大小。原始數據質量越高，數量越大，訓練出識別準確（què）率高的模型幾率越大。”

上述技術人員表示，數（shù）據庫中包含是經過標注過的數據，標注的質量（liàng）越高，AI訓練的（de）效果（guǒ）越好。

但目前，最大的問題是，標注數據（jù）的過（guò）程更多的是由人（rén）工來（lái）完成，現階段（duàn）還無法由AI來實現。雖然一些研究者（zhě）正在探索自（zì）動（dòng）標注數據的工作，但離真正應用還存在很長的距離。

此外，值得思考的是，如果（guǒ）將來各個城市的垃圾（jī）分類（lèi）標（biāo）準不統一，也（yě）將會對AI提出更高的要求。