Site Overlay

O lixo tóxico está se tornando um grande problema que a IA pode resolver


Confira todas as sessões sob demanda do Clever Safety Summit aqui.


quatrocentos milhões toneladas de lixo tóxico são produzidas a cada ano.

Think about isso por um momento – isso é 70 Grandes Pirâmides de Gizé combinado. Não é algo que a maioria de nós leva em consideração ao pedir um mocha latte de chocolate branco em um copo de plástico na Starbucks, mas a gestão de resíduos é um grande problema para toda uma indústria encarregada de prevenir danos ambientais.

Deixar de resolver esse problema resulta em coisas como o aumento das emissões de metano, que representam 25% das mudanças climáticas. Além das mudanças climáticas, o gerenciamento adequado do gerenciamento de resíduos afeta diretamente a segurança do público em geral em um nível imediato.

Resíduos domésticos perigosos (HHW), como produtos inflamáveis ​​ou reativos como tintas, produtos de limpeza, óleos, baterias e outros produtos químicos, representam um sério risco se não forem descartados corretamente. Apesar disso, entre 20 e 80% de todo o lixo doméstico gerado é despejado em espaços abertos, corpos d’água ou bueiros. O que resta é incinerado ou enterrado, de acordo com a ONU.

Evento

Reunião de segurança inteligente sob demanda

Aprenda o papel crítico da IA ​​e ML na segurança cibernética e estudos de caso específicos do setor. Assista sessões sob demanda hoje.

Assista aqui

Simplesmente não há humanos suficientes para separar efetivamente o materials reciclável do lixo comum ou o lixo tóxico de outros tipos de lixo. Se você pode pegar a deriva aqui, é aqui que Inteligência synthetic (AI) pode ajudar – e não às custas do trabalho de ninguém.

Os poderes da anotação de imagem

A IA permite um processo conhecido como anotação de imagem, por meio do qual uma máquina pode efetivamente agrupar partes de uma imagem que pertencem à mesma classe de objeto. Em inglês simples, isso permite que as instalações de gerenciamento de resíduos aproveitem as máquinas para identificar todo o materials reciclável que está sendo processado. Eles podem então separá-lo para ser reaproveitado. O sistema pode identificar todos os resíduos tóxicos de forma mais eficaz do que um ser humano.

Os anotadores usam pequenas linhas conectadas com vértices para traçar a forma dos objetos em imagens digitais. Além disso, o vídeo anotado ajuda os algoritmos de IA a entender o movimento e a rotular cada quadro da filmagem de treinamento em vídeo. Identificar corretamente a forma de ruas e estradas é útil para modelos de visão computacional que tentam descobrir se o lixo foi despejado incorretamente. A anotação de pista adiciona linhas a imagens e quadros para mostrar a estrutura de objetos lineares como estradas e ferrovias.

Os sistemas de câmeras com IA também podem ajudar as cidades a combater o despejo ilegal de lixo. Usando recursos de reconhecimento de objetos, as câmeras de rua podem identificar objetos de lixo que estão atravancando calçadas e estradas e alertar os serviços da cidade para enviar trabalhadores para limpá-los. Câmeras de nível de rua também podem capturar placas de matrícula usadas por dumpers, permitindo a emissão de multas e agindo como um impedimento.

O fato é que a regulamentação governamental não é levada a sério se o problema que busca resolver parece inviável. E até que a IA surgiu para ajudar a resolver o problema da gestão de resíduos, a regulamentação em escala world period simplesmente insuficiente.

O desafio de regulamentar o descarte de HHW

A estrutura para lidar com resíduos humanos perigosos (HHW) nos EUA foi criada pela Lei de Conservação e Recuperação de Recursos de 1976 (RCRA). Obviamente, esses padrões são aplicáveis ​​apenas ao mercado dos EUA. Não existe uma definição padronizada world de HHW, o que significa que um merchandise pode ser um resíduo perigoso em um país, mas não em outro. Para piorar a situação, a maioria das cidades não tem recursos para fornecer mão de obra adequada para garantir o descarte adequado de HHW.

Em muitos países, os resíduos perigosos não estão sujeitos à legislação, a menos que sejam separados de outros resíduos domésticos. Assim, é difícil elaborar a legislação adequada para resolvê-lo. Portanto, os resíduos perigosos e não perigosos são frequentemente misturados e não são cuidadosamente separados antes do descarte.

Dos resíduos gerados pelas atividades de saúde, por exemplo, cerca de 85% é um resíduo não perigoso em geral. Mas 15% é considerado materials que pode ser infeccioso, tóxico ou radioativo, de acordo com a Organização Mundial da Saúde. Os trabalhadores das fábricas de triagem são então despretensiosamente expostos a resíduos tóxicos, levando a grandes problemas de saúde no futuro.

A questão do HHW não deve ser tomada de ânimo leve. Se não for controlada, há sérias repercussões que podem ser fatais. Não apenas as usinas de triagem (e aquelas que elas empregam) são impactadas, mas todos em uma cidade que usam água potável podem sentir as reverberações.

Especialmente quando se leva em consideração o número de empregos que realmente custaria – se houver – os benefícios da IA ​​nesse setor superam em muito o lado negativo.

Arie Zilberman é CEO e cofundador da Keymakr.

DataDecisionMakers

Bem-vindo à comunidade VentureBeat!

DataDecisionMakers é onde os especialistas, incluindo o pessoal técnico que trabalha com dados, podem compartilhar insights e inovação relacionados a dados.

Se você quiser ler sobre ideias de ponta e informações atualizadas, práticas recomendadas e o futuro dos dados e da tecnologia de dados, junte-se a nós no DataDecisionMakers.

Você pode até considerar contribuindo com um artigo de sua autoria!

Leia mais de DataDecisionMakers

Deixe um comentário

O seu endereço de e-mail não será publicado. Campos obrigatórios são marcados com *

14 + 20 =