连日来无人机和人工智能帮助对抗旧金山湾的垃圾问题向来一不断的有小伙伴关注，不仅如此还衍生出了各大相关话题，那么跟着小编来看看无人机和人工智能帮助对抗旧金山湾的垃圾问题以及它的相关资讯吧！
自从工业化学家Leo Baekeland于1907年开始合成苯酚和甲醛以来，全世界就已经与这种聚合物（塑料）形成了爱恨交错的关系。
深度学习清理人员
通过在旧金山湾和附近的支流上发送无人机，SFEI在最初的尝试中收集了约35,000张图像。
“如此迅速地覆盖这么多土地实在令人惊讶，” Hale说道。但是他的兴奋很快消逝了，因为在合理的时间内处理大量数据的现实设置为：“我们花了将近一个月的时间来处理这些图像。”
Hale和他的团队使用2,000个注释来描述各种垃圾颗粒，他们正在训练一种开源TensorFlow机器学习算法，以识别在这35,000张图像中描绘的每个垃圾颗粒的类型，数量和位置。
为了加快分析速度，SFEI与Kinetica（一家参与Oracle for Startups计划的数据分析初创公司）合作。Kinetica的CMO Daniel Raskin说，它将SFEI的垃圾检测模型放入Docker容器中，然后将其引入Kinetica的“主动分析”工作台。然后，使用Python API，Kinetica将图像流式传输到表中，可以在其中存储，分类和标记图像。
“我们不只是摄取这些图像并将其分发到我们的平台中，” Raskin说。“我们还运行SFEI的垃圾检测模型，以对所有击中我们数据库的图像进行分类。”
这给SFEI不仅仅是一个庞大的图像目录。加州水质看门狗现在可以根据其地理位置和垃圾状况将35,000张图像可视化。
最初，Kinetica使用托管的Kubernetes在其自己的4核计算机上从分布式CPU框架运行SFEI的部署。“我们花了大约10天的时间来运行整个模拟，”从事SFEI项目的Kinetica的解决方案工程师Nick Alonso说。即使使用单个GPU将应用程序移至服务器（非常适合机器学习工作的处理器）之后，模拟仍然花费了一周的大部分时间。
然后，Kinetica决定使用八个V100 GPU 在Oracle Cloud Infrastructure上运行SFEI的全部工作负载。“我们不再谈论运行模拟的日子，”阿隆索说。“确切地说，我们需要几个小时才干完成工作-大约需要18小时26分钟。”