研究人员没有时间浪费，他们在墨尔本建筑工地的垃圾箱中搜寻，拍摄了数百张运往垃圾填埋场的材料的照片。

现在，在《环境管理杂志》上发表的一项可能彻底改变建筑废料处理和回收方式的新研究中，他们使用图像来训练深度学习(DL)和人工智能(AI)来识别大量材料和颗粒来自建筑工地的混合废物。

由莫纳什博士领导来自土木工程建筑和智能基础设施(ASCII)实验室自动化和可持续发展的候选人DianiSirimewan表示，这项研究为使用先进的机器人技术和自动化进行建筑垃圾处理铺平了道路，目前建筑垃圾处理依赖于工人手动挑选危险的垃圾。以及可能受到污染的废物。

基于计算机的系统可以比人类工人更准确、更有效地识别和分类可回收材料，甚至能够检测污染物，这可能对社区和环境造成风险，正如最近在对花园覆盖物中发现的石棉污染的调查中所看到的那样。悉尼公园绿地。

虽然木材和玻璃等许多材料可能是可回收的，但对拆除和建筑工地的碎片进行分类是复杂且具有挑战性的，而且重大进展仅限于生活垃圾，无法区分多种杂乱的废物。

Sirimewan相信，她的研究首次捕获了建筑工地垃圾箱内密集CRD废物的详细图像，使她能够建立非常先进的识别和检测模型，能够识别几乎完全埋在其他垃圾和微小污染物颗粒中的废物。

Sirimewan正在与正在使用机械臂进行模拟试验该技术的同事密切合作，希望它能够刺激机器人研发和自动化方面的投资，以提高澳大利亚建筑垃圾处理和回收的效率。

Sirimewan说：“我们的深度学习模型显示出识别建筑和拆除废物流成分的卓越能力，包括识别污染物。”

“这令人兴奋。该技术可以通过提高回收质量来显着减少送往垃圾填埋场的废物量，从而有利于环境并减少工人接触危险和有毒材料的需要。

“我们不断完善我们的模型，以应用于新的机器人技术，并与通过机械臂模拟进行试验的同事密切合作。”

Sirimewan表示，澳大利亚迫切需要建筑垃圾回收厂。

Sirimewan说：“随着建筑垃圾填埋量预计将不断增加，其有效管理成为一个日益严重的问题。”

“对整个建筑垃圾管理生态系统的投资支持循环经济、创造就业机会、制造机会和回收产品的市场发展机会。”

ASCII实验室负责人MehrdadArashpour副教授表示，支持解决日益严重的废物管理问题所急需的解决方案的创新符合国家利益。

“每次我们拆除或翻新建筑物或建造新建筑时，都会产生大量废料，”阿拉什普尔说。

“目前，这些材料大部分都被浪费并最终进入垃圾填埋场，这对环境产生了重大影响，更不用说潜在可重复利用资源的损失和经济成本了。”