浅谈人工智能在环境工程中的应用摘要当今的人工智能不断发展，技术理论不断创新，应用范围不断扩大。计算机视觉以及机器学习对环境工程目前的发展的推动作用比较明显。本文将从环境工程角度出发，基于人工智能的计算机视觉和机器学习两个技术核心的应用，探索研究人工智能及其相关融合技术在环境工程领域中的创新应用。关键词人工智能;环境工程;计算机视觉;机器学习;神经网络随着我国城市化进程的不断加快以及生活物质水平的稳步提高，大气、水、土壤污染等城市环境问题日益突出，仅仅靠人力监测、治理环境问题已不能满足当前发展需求。为了更好地满足人民群众对优美生态环境的需求，实现环境与经济协调发展，国家逐步加大环境保护力度，相继出台《“互联网”+绿色生态三年行动实施方案》《生态环境大数据建设总体方案》《关于深化环境监测改革提高环境监测数据质量的意见》，加快推动大数据、互联网、物联网等新一代信息技术在环境治理、污染防治等工作中的应用，“智能+环保”也因此应运而生[1]。人工智能的技术核心分为计算机视觉、机器学习、自然语言处理、语音识别等方面[2]。其中，计算机视觉以及机器学习方向，由于其技术特点，对环境工程目前的发展推动作用比较明显。本文将从生态环保角度出发，基于人工智能的计算机视觉和机器学习两个技术核心的应用，探索研究人工智能及其相关融合技术在环境工程领域的创新应用。1计算机视觉在环境工程中的应用人类认知世界绝大部分信息渠道是通过视觉来实现的。计算机视觉分五大技术：图像分类、对象检测、目标跟踪、语义分割和实例分割。发展计算机视觉的目标，是想让计算机能够像人一样通过“视觉+认知”来认识人类世界。目前计算机视觉技术领域中，应用最广的是人脸识别和图像识别。计算机视觉在深度学习算法的帮助下，在近几年迎来的飞速发展。在权威的计算机视觉竞赛（ILSVR）中，千类物品识别最低错误率从2010年的25.8%，降低至2017年的2.251%。目前的垃圾分类领域主要应用的就是计算机视觉技术。实现垃圾分类的前提和基础是垃圾的识别，传统的垃圾分拣技术主要应用的是磁性和重量等传感设备，来根据垃圾的一些物理特性进行简单的分类，当垃圾类型比较复杂时，其分类效果比较差。目前世界上出现了很多针对垃圾分类领域基于计算机视觉的软件和设施，例如中国阿里巴巴公司推出的垃圾识别软件，美国BangbellySolar公司推出的智能垃圾桶等。在垃圾分拣领域中，如中城绿建、芬兰泽恩机器人公司等开发的基于计算机视觉的垃圾分拣机器人等[3]。随着算法的优化和计算机算力的提高，计算机视觉技术的日渐成熟，使得垃圾识别的准确性及识别速度大大提升。计算机视觉技术不断发展，使得在大范围空间尺度上，针对城市环境评价基于街景图像数据的研究成为一种研究思路。对于城市环境评价来说，传统方法是利用现场调研，人工采集较小规模的数据来进行分析评价。其缺点是难以在大范围、精细化的尺度上进行评估。而街景全景已经在全球范围内广泛应用，我国国内常用的街景图像数据源有：百度街景（BaiduStreetView，BSV）和腾讯街景（TencentStreetView，TSV）。BSV和TSV的数据涵盖了中国大部分的大中型城市。我们可以通过从BSV和TSV各自的公共API，请求获取大量的街景图像[4]。街景图像覆盖面广，数据采集成本低，为城市环境评价研究提供了超大样本数据源。与单纯的用现场观测采集到的数据相比较，分析街景图像用于评价城市环境是一种效率更高的方法，且可实现超大规模空间范围的城市环境评价，而且不同空间、不同时间的街景数据也可以通过比较结果来进行科学研究。目前，计算机视觉在机器学习与高性能计算帮助下，使快速、准确的处理海量的图像数据以及提取有用信息成为可能。基于人工智能技术的发展，环境工程研究领域内的超大范围时空图像处理及物理特征提取和图形化表达等新方法利用，可以为环境工程领域内的一些问题提供新的研究思路。2机器学习在环境工程中的应用机器学习是一门多领域交叉学科，涉及概率论、统计学、逼近论、凸分析、算法复杂度理论等多门学科。专门研究计算机怎样模拟或实现人类的学习行为，以获取新的知识或技能，重新组...