隨著垃圾分（fèn）類成為今夏最熱話題，國內互聯網（wǎng）、科技公司紛紛推出了小程序、App等查詢應用，包括百度、搜狗、科大訊飛等公（gōng）司均推出了相（xiàng）關的智能查詢（xún）功能。支付寶、微信上也有（yǒu）不少相關小程序（xù）和小遊戲。這（zhè）些應用的特點大同小異，主要以查詢為主（zhǔ），支持語音、圖像查詢。接受新浪科技采訪（fǎng）時，人工智能技術與服務（wù）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）技術包括了圖像分類、圖像定位、圖像檢（jiǎn）測等環節。

例如（rú）在垃圾分類的場（chǎng）景中，首（shǒu）先需要將帶有不（bú）同垃圾種類的圖（tú）片進行標注（zhù），標注是為了告訴計算機圖像中出現的是可回（huí）收、廚餘、不（bú）可回收等不同類（lèi）型的垃圾，以及垃圾在圖（tú）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（kě）以將新的圖片輸入給（gěi）模型，模型會識別（bié）、定位出是哪種類型（xíng）的（de）垃圾以及（jí）所在的位置，從而實（shí）現垃圾分（fèn）類的（de）需求。

“目（mù）前（qián）計算機視（shì）覺技術已經相當成熟，第四範式在計（jì）算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型識別的精準度，而影響（xiǎng）模型精準度的關鍵在於原始數據量的質（zhì）量的大小。原始數據質量越高（gāo），數量越大，訓練出識（shí）別準確率高的模（mó）型幾率越大。”

上述技術人員表示，數（shù）據（jù）庫中包含是（shì）經過標（biāo）注（zhù）過的數據，標注的質量越高，AI訓（xùn）練的（de）效果越好。

但目前，最大的（de）問題是，標注（zhù）數（shù）據的過程（chéng）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（jiū）者正在探索自動標注數據的（de）工作，但離真正應用還存在很長（zhǎng）的距離。

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