《Sustainability》：A PlastiVision-Edge Enabled Plastic Waste Bank Framework for Community Income Generation and Circular Economy Transition in Rural and Urban India
编辑推荐：
印度每年产生大量且不断增长的塑料废物，但社区层面的收集仍资源不足：自助小组（Self-Help Groups, SHGs）缺乏一种经济实惠的方式在投放点识别聚合物类型。研究人员提出了PlastiVision-Edge，一种零样本、开放词vocabulary的智
印度每年产生大量且不断增长的塑料废物，但社区层面的收集仍资源不足：自助小组（Self-Help Groups, SHGs）缺乏一种经济实惠的方式在投放点识别聚合物类型。研究人员提出了PlastiVision-Edge，一种零样本、开放词vocabulary的智能手机检测器，无需对每一种新包装设计的标记示例即可按材料类型识别塑料废物。其核心使能因素是塑料废物词汇本体（Plastic Waste Vocabulary Ontology, PWVO），一个基于巴塞尔公约废物代码的47类别、材料感知提示集。PWVO提示一个独立的YOLOE-26模型，该模型不接受额外微调，因此识别能力来自提示设计本身，而非进一步训练。该本体支撑了一个涉及七个利益相关方的拟议塑料垃圾银行框架。该框架按聚合物类型而非统一混合废物费率向公民支付每公斤费用，并将每笔交易记录为生产者责任延伸（Extended Producer Responsibility, EPR）的可追溯性证据。在TACO（Trash Annotations in Context，一个众包注释的垃圾照片数据集；459张图像）上，PWVO引导的YOLOE-26在可估计类别上达到8.4%的框平均精度和8.3%的掩码平均精度。对于任何基准数据集中都没有标记示例的13种包装类型，它在80.0%的试验中成功（95%置信区间：65.2–89.5%），对每种类型均使用多张作者拍摄的照片进行测试。在TrashNet（一个影棚照片可回收物数据集）上，它标记出25.7%图像中的塑料含量。该模型足够轻量，适合现场使用，在GPU上以41.5 FPS运行，在Android上每张图像440毫秒，占用10.7 MB离线可用空间，其像素级输出可估计场景级塑料覆盖率，而仅框检测器无法做到这一点。一项436户的城市实地试点显示，每公斤价值比基线提升67–108%，相当于每户每月增加估计INR 46–75的收入。
印度塑料垃圾产生量庞大且持续增长，但社区层面的收集环节资源严重不足。在投放点，自助小组（SHGs）缺乏经济实惠的聚合物类型识别手段，导致PET、HDPE、PP和多层复合包装等每公斤价值差异可达5–10倍的材料被混在一起按统一废品价收购。现有近红外（NIR）光谱仪成本高昂，封闭词汇分类器（如基于TrashNet、TACO训练的模型）难以识别印度本土包装，且需要重新训练。同时，印度EPR法规要求品牌所有者提供可验证、可追溯的收集证明，而目前缺少一种在收集源头完成识别、定价并生成追溯记录的技术层。为解决这一问题，研究人员提出了PlastiVision-Edge系统：一个零样本、开放词汇的智能手机检测器，结合47类材料感知的塑料废物词汇本体（PWVO）和YOLOE-26模型，无需微调即可识别未见过的包装类型。研究人员还设计了包含七个利益相关方的塑料垃圾银行（PWB）框架，按聚合物类型计价，并将每次扫描记录为EPR追溯证据。技术验证表明，该系统在TACO数据集上达到7.7–8.4%的框平均精度（mAP），优于同条件下的YOLO-World基线；在13种基准未覆盖的南亚包装上，零样本成功率达80.0%（95%置信区间：65.2–89.5%）；Android端推理延迟440 ms，模型大小10.7 MB，可完全离线运行。经济模型基于436户公寓综合楼九周实测数据，每户每月可增加INR 46–75收入，较基线提升67–108%。该研究为社区级塑料分类回收提供了低成本、可部署的技术方案，并将识别、激励与监管追溯有机结合，推动循环经济转型。
研究人员使用的主要关键技术方法如下：构建PWVO本体（47类，基于巴塞尔公约废物代码，采用材料-形式-语境（MFC）模板生成提示）；采用预训练的YOLOE-26S/L模型进行零样本检测与实例分割；开发Android应用（TFLite INT8，10.7 MB，离线运行）；评估使用TACO（459幅图像）、TrashNet（482幅塑料图像）及作者拍摄的未覆盖类别照片；经济数据来自436户公寓综合楼九周收集日志（1 July–31 August 2026）。
### 4.1 Detection Performance on TACO and TrashNet
研究在TACO 459幅图像和TrashNet 482幅塑料图像上，使用完整47类PWVO词汇进行竞争性评估。PlastiVision-Edge-S/L达到7.7–8.4% Box mAP，高于YOLO-World在相同子集和词汇下的4.9–7.3%；同时产生像素级掩码，而YOLO-World无分割头。结果表明，零样本检测在真实复杂场景中具有可用性，mAP绝对值受小目标、国际品牌与提示风格差异影响。
### 4.2 Complete Benchmark Evaluation
在完整基准评估中，pet_bottle类别达到39.9% Box AP（PlastiVision-Edge-L），blister_pack作为唯一基准未覆盖类别达到27.3%（PlastiVision-Edge-S），而其他模型均为0.0%。这证明开放词汇设计可检测训练时未见过的包装类型，无需重新训练。mAP较低的原因包括小目标（如16×20像素）和品牌外观与聚合物提示的错位。
### 4.3 Qualitative Comparison and Prompt Design
定性对比显示，材料-形式-语境（MFC）提示设计至关重要。对EPS泡沫块，“thermocoal”提示得分为0，“styrofoam”为0.163，完整MFC描述达0.894；对Aavin牛奶袋，YOLO-World-S完全未检测到，而YOLOE-26L以“aavin milk packet”提示达到0.412。提示消融实验表明，完整MFC模板较通用名称在TACO上获得2.25倍mAP提升，并降低误报率。
### 4.4 Zero-Shot Generalization on South Asian Packaging and CLIP Coverage Gap
对13个基准未覆盖类别，使用每类别3幅作者拍摄图像（woven_pp_sack为4幅）和11幅非目标对照图像进行重复试验。汇总40次试验中32次成功，成功率80.0%（Wilson 95% CI [65.2%, 89.5%]）；其中9个类别全部成功，synthetic_rope全部失败。假阳性率为25.2%（CI [18.8%, 32.9%]），结构上提示某些提示过于宽泛。结果清晰展示了CLIP嵌入空间对南亚包装的覆盖缺口：属性独特、视觉鲜明的类别成功，而薄片、半透明或小碎片类别失败。
六、讨论与结论
讨论部分指出，PlastiVision-Edge是首个报告像素级实例掩码的开放词汇塑料垃圾系统，其PWVO本体为可复现基准提供基础。与印度Rapel和Recykal相比，该系统填补了公民投递点的识别空白。CLIP嵌入差距可通过MFC提示缓解，但仍有不可弥补的视觉模式。部署上采用人在回路工作流，检测误差由操作员手动复核，不会导致错误支付。局限性包括质量估计为代理指标、TACO子集可复现性、隐私哈希仅为假名化、mIoU小样本等。未来工作包括Potheri试点、利益相关方验证、固定数据集发布和CLIP微调。
研究结论部分可翻译如下：本文提出了一个社区导向的塑料垃圾银行（PWB）框架和Potheri村（印度泰米尔纳德邦昌格尔帕图区）的分阶段试点设计，以PlastiVision-Edge的零样本检测系统和Android应用为核心，构成七利益相关方循环经济闭环（表11）。该框架的激励与意识提升机制由研究团队撰写；与居民、SHG运营者和废品商的验证是第一阶段收集开始前的计划步骤。系统有两个已构建部分并用于产生报告结果：零样本检测模型和Android扫描应用。UPI钱包、品牌溢价定价、通用EPR门户连接及Potheri试点本身仍是拟议设计和分阶段计划，尚未实地部署评估。技术方面，PlastiVision-Edge在完整竞争词汇下对真实垃圾图像达到7.7–8.4% Box mAP（13个标注基准类别的宏平均），优于同子集YOLO-World-S/L的4.9–7.3%，同时生成YOLO-World无法提供的像素级实例掩码。在基于重复的逐图隔离提示评估中，对基准未覆盖的南亚包装试验成功率为80.0%（Wilson 95% CI [65.2%, 89.5%]）。它在Android上以440 ms运行，占用10.7 MB INT8空间，完全离线。经济方面，一项436户公寓综合楼九周收集实验（第2.2节）使用实测数据显示每户每月增量收益INR 46–75（比实测基线提高67–108%）；平行的农村估算基于CPCB代理数据，尚未现场验证。其余工作列为未来研究：与居民、SHG运营者和废品商验证七利益相关方框架；Potheri试点研究及纵向收入追踪；在现有mAP基础上补充mIoU评估；以及南亚包装语料上的CLIP微调——详见第6.5节。PlastiVision-Edge驱动的塑料垃圾银行旨在成为可重复使用的基础设施：一个能吸收新包装的零样本系统，由独立于垃圾银行存在的EPR义务提供资金，并能在约7亿印度智能手机用户已携带的硬件上运行。
