Raspberry Pi爱好者从未缺少过充分利用该工具的想法，这些应用程序既有用又古怪。现在，研究人员正在为低成本计算机配备人工智能，高分辨率相机和机器人，以对垃圾进行分类并减少垃圾填埋场的数量。

利物浦希望大学的工程师试用了Raspberry Pi 3模型，将该设备与光学传感器和计算机视觉算法结合在一起，创建了可以区分纸张，玻璃，塑料，金属和纸板的工具。

设置在物料回收设施(MRF)中，通常将家庭垃圾送到这里进行分类，该技术可以在传送带上倾倒废物的地方发现不同的物料，并相应地指示机器人回收特定的物体，将它们运向废物。

利物浦希望大学数学和计算机科学系的卡尔·迈尔斯(Karl Myers)告诉ZDNet：它旨在与目前市场上的任何机器人系统集成。RaspberryPi通过串行通信向机器人发送信号。机械臂围绕可回收物品的位置，而机器人只是抓住物体。

研究人员说，该算法成功率高达92%，基线性能为90%，并认为该方法可用于商业用途。

随着全世界每年产生的垃圾量不断增加，提高回收设施的性能对于避免在垃圾填埋场处置垃圾至关重要。仅在2017年，英国产生的2.299亿吨固体废物中只有47%被回收利用。环境部已经设定了到2020年将回收率提高到50%的目标。

目前，英国的家庭被要求将所有可回收材料(纸张，金属，玻璃等)保存在一个容器中，该容器是从门口收集的，然后送到MRF进行分类和处理。

到达那里后，将物料放置在传送带上，在该传送带上手动去除纸板，容器，纸张和塑料。然后，锡罐和钢罐会被强大的磁铁吸走，而反向磁铁会使铝罐从传送带上飞出并进入存储容器。

人工操作人员负责监督该过程，该过程通常带有错误，效率低下和额外费用。迈尔斯说：“从长远来看，将人类从MRF中彻底清除出去。我们发送到MRF的回收中只有大约40%实际上是回收的，这是由于人与人之间的相互作用。我们的系统将消除MRF中的不足之处，从而提高MRF的准确性。”

迈尔斯(Myers)和他的团队使用包含3500种不同垃圾图像的数据库训练了该算法，并将名为TrashNet的资源与Google的图像相结合。研究人员使用转移学习，这是机器学习中的一种特殊方法，它使AI系统能够存储解决一个问题所获得的知识，并将其应用于解决一个新的，不同的(但相关的)知识。

该方法模仿人的大脑：如果您正在学习如何使用摩托车，那么您很有可能会借助骑自行车的知识。通过转移学习，该算法可以类似地使用从先前问题中获得的知识来解决数据量很少的新问题。

迈尔斯说：“它消除了个体的学习范式。在这种情况下，这意味着该系统不需要任何培训–它将使用所有其他数据集中的图像和过去的知识，并将其应用于正在解决的问题。它实际上是即插即用的。”

因此，它有用，准确且易于部署-而且价格便宜。构建该系统的总成本不到100英镑，研究人员认为这将在很大程度上促进该技术在全球的采用。

有一个缺点：根据迄今为止的工程师测试，由Raspberry Pi控制的回收机器人在分类垃圾方面将比人类慢。迈尔斯认为，只要技术准确，缓慢的技术仍然“完全足够”。据研究人员称，该技术的效率和成本弥补了该系统不良的速度性能。

该研究小组现在希望建立自己的发明，方便将其与废物回收解决方案相集成，例如卫星控制平台SeaVax，该平台旨在在海洋中漫游并像巨型吸尘器一样运行。

SeaVax不能智能地获取对象。相反，机器人会不加选择地铲起找到的物体，然后将它们扔进料斗。通过直接在收集点而不是在MRF中对废物进行分类，使Myers及其团队开发的自动回收技术适合该平台，可以为系统增加巨大价值。

在研究人员实现这一目标之前，仍然存在一些工程上的挑战，但是Myers已经在测试扩展发明并在功能更强大的系统上测试算法。同时，工程师有信心即使在当前状态下也能获得积极的反馈。

他说：“如果将其采纳，将消除与人力相关的大量成本。由于它的成本如此之低，我只能想象行业会回暖。”