莫纳什大学和查尔斯达尔文大学 (CDU) 的研究人员开发了一种新型人工智能系统，可以自动识别受污染的建筑和拆除木材废料。

该研究发表在《资源、保护和回收》杂志上，展示了第一个真实世界的受污染木材废料图像数据集，这是朝着更智能的回收和可持续建设迈出的重要一步。

该研究团队由 Madini De Alwis 和 Milad Bazli 博士(CDU)领导，在莫纳什大学建筑工程系主任 Mehrdad Arashpour 副教授的指导下，训练并测试了尖端的深度学习模型，以使用图像检测木材废料中的污染类型。

由于人工分类困难，建筑和拆除工地产生的受污染木材通常最终被填埋。但通过应用人工智能模型，该团队发现，六种类型的木材污染检测具有很高的精确度和召回率。

莫纳什大学土木与环境工程系博士生马迪尼表示：“我们整理出了第一个受污染的建筑和拆除木材废料的真实图像数据集。”

“该新系统可以通过带摄像头的分拣线、无人机或手持工具进行部署，以支持现场决策。”

虽然计算机视觉已在一般废物流中得到探索，但迄今为止，其在受污染木材废物中的应用仍然有限。

Bazli 博士说：“通过对最先进的深度学习模型(包括 CNN 和 Transformers)进行微调，我们证明这些工具可以使用日常 RGB 图像自动识别木材中的污染类型。”

木材废料是全球建筑垃圾的最大组成部分之一。大部分木材废料可以回收利用，但油漆、化学品、金属和其他建筑残留物的污染使得分类工作困难且成本高昂。

巴兹利博士说：“这为可扩展的、人工智能驱动的解决方案打开了大门，支持木材废料的再利用、回收和再生利用。”

通过将人工智能与废物管理实践相结合，该研究支持澳大利亚的循环经济目标和全球对绿色建筑的推动。

马迪尼表示：“这是一个实用且可扩展的全球垃圾问题解决方案。通过实现自动分类，我们为回收商和承包商提供了一个强大的工具，帮助他们回收宝贵的资源，减少对垃圾填埋场的依赖。”

更多信息： A. Madini Lakna De Alwis 等人，《利用深度学习自动识别受污染的建筑和拆除木材废料》，《资源、保护和回收利用》(2025)。