瑞士城市：到底多么干净才算干净？
如果你认为瑞士的街道很干净，那就来见识一下这套能让街道更干净的数字系统。该数字系统可以为不同种类的垃圾计量、分类，瑞士及其他国家若想在市政环卫方面降低成本、提升效率，这套系统可以说是为之铺平了道路。
就算是在公认很干净的瑞士(英)，管理城市垃圾也不仅是一种物流负担，而且是一次战略挑战。由于洁净程度缺乏标准，瑞士的各个城市必须制定各自的策略，决定要在环境卫生方面花费多少时间和财力，以及具体花在什么方面。
以苏黎世市政当局为例，他们靠人力检查街道。但是这种方式既耗精力又耗财力，而且由于缺乏客观性，导致洁净度没有一个统一的标准。
在瑞士洛桑联邦理工学院(Swiss Federal Institute of Technology in Lausanne)的信号处理第五实验室(Signal Processing Laboratory 5)外部链接，穆罕默德·萨义德·拉德(Mohammad Saeed Rad)和他的同事们与当地一家初创公司Cortexia(英)外部链接以及汝拉地区高等学院(Haute Ecole Arc)外部链接一道，正在试验一项可能最终解决这一难题的新技术。
“在任何一个领域，如果你不能测量，就没法管理，”拉德在接受瑞士资讯swissinfo.ch的采访时说。
“举例来说，在这个房间里，如果你想让它变凉或变暖，你需要知道温度；要不然，你的决策将仅仅基于你的感官。对于一条城市街道也是一样：可能对于一个外国人来说，这条街很干净，但是对于瑞士人来说，它并不干净。如果你想更客观，就应该有个可以测量的标准，这就是我们项目背后的动机。”
这个项目已经激起了多个瑞士城市的兴趣，为了节省花在环卫上的时间和财力，瑞士城市急需一个洁净度指标，这样就能把清扫力量和资源集中到城市里真正需要的地方。在位于纳沙泰尔(Neuchâtel)的高等学院里，工程师们正在为这个系统开发用户界面和移动端应用，而沃韦(Vevey)附近的一个初创公司正与苏黎世市合作试用这项技术，了解环卫官员需要什么样的标准。
电脑“垃圾知识”
2017年，信号处理第五实验室的这套系统在中国举行的国际计算机视觉系统大会(International Conference on Computer Vision Systems)外部链接上首次发布。它看起来相当简单：就是一个连接到笔记本电脑上的摄像头。但是电脑会运行一套相当复杂的机器学习算法(machine-learning algorithm)，该算法可以自动侦测多达40种不同类别的垃圾，甚至连只有两厘米(0.8英寸)的垃圾也不例外。
整套设备可以安装在缓慢运行的车辆的外部，比如说自行车或是街道清扫车上。它会为垃圾拍摄照片，再分析照片，然后将反映街道状况的信息传递给用户。
拉德解释说，开发这样的系统主要会面临两个挑战：以最高每小时20公里(12.4英里)的速度侦测，以及识别路面上的每一处垃圾，从烟蒂到瓶子、口香糖、易拉罐以及报纸，并且要准确统计每种垃圾的数量。
对于这个电脑程序而言，它可以通过训练变得日趋完美：该系统处理的垃圾照片越多，它就会变得越精确。
“它的学习方式与人类大脑完全一样：通过经验来学习，”拉德说。
“电脑在处理了一万张照片后，准确度就会相当高。一年后，这个系统的性能将会比现在好得多，因为我们会有更多的训练实例。”
地面上那些不是垃圾的物件也同样重要，比如树叶。这个系统必须能够将这些物件与人类制造的垃圾区分开来。洛桑联邦理工学院的研究人员们也在“教授”这个系统识别城市垃圾箱，检测它们是否已经满了。
相关内容
瑞士把街道保持得如此干净，究竟要付出多大代价？
标准化评分
有关垃圾类别、数量以及地点的信息将被系统收集起来，用于计算“城市清洁指数”(英)外部链接。该指数目前正由Cortexia公司与洛桑联邦理工学院以及汝拉地区高等学院共同开发。
项目参与方希望这一“城市清洁指数”能在瑞士及其他国家产生环境和经济效益，因为它可以客观反映一个城市的清洁程度，这会帮助各个城市在处理环卫问题时，更加有效地分配精力和财力。
“这个指数会帮你确定哪条街道需要清理，清理是一天三次还是两周一次。这些决定关乎城市财政，”拉德说。
到目前为止，该系统已经在多个城市进行了测试，在日内瓦和弗里堡用的是街道清扫车，在苏黎世用的是自行车，在洛桑用的是汽车。研究人员们甚至还把这个系统带到法国马赛(Marseilles)的街道上试了试身手。
“一项自动化系统很有必要，无论是在瑞士、法国或是其他国家。它也能让你有机会比较你的城市与其他城市的清洁度，”拉德说。
下一步，项目目标还包括改进该系统忽略重复图像的能力，以及试验该系统是否也能在城市公交车上应用，因为公交车的运行速度比较适合摄像头，而且它们还会经常驶过城市里最易受垃圾污染的区域：公交车站。
与此同时，大多数工作集中在为系统提供尽可能多的各种垃圾照片，这会帮助它进一步完善。拉德说，有些类型的垃圾共性较高，系统容易识别(比如烟蒂)，但也有些类型的垃圾个体间差异很大。
“如何为不同类别的垃圾找到足够的图像，这才是瓶颈。我们有些窍门：我们可以利用垃圾填埋场的垃圾，我们还可以合成在现实生活中不存在的图像来协助训练该系统，”拉德解释说。
(翻译：樊桦)
符合JTI标准
您可以在这里找到读者与我们记者团队正在讨论交流的话题。
请加入我们！如果您想就本文涉及的话题展开新的讨论，或者想向我们反映您发现的事实错误，请发邮件给我们：chinese@swissinfo.ch。