WasteAssistant：面向智能垃圾分类与可持续管理的法规引导视觉问答框架

高效的垃圾分类对于可持续城市管理和环境治理至关重要。现有的自动化系统受限于单模态视觉处理、上下文理解不足和法规对齐薄弱。为解决这些问题，我们提出了一个语言引导的视觉AI框架，该框架集成了视觉语言模型和多模态大语言模型，用于联合视觉-语言推理。该框架实现了与印度《2016年固体废物管理规则》对齐的视觉问答范式。我们构建了一个新的WasteVQA数据集，包含21个废物类别中的13,500个问答对。实验表明，基于BLIP的模型实现了0.8291的BLEU分数和0.9273的BERTScore，优于传统的基于CNN的方法。这项工作提高了源头分类准确性，确保了法规合规性，并支持面向市政和面向公民的废物管理的可扩展部署，促进了可持续城市基础设施中的多模态AI。源代码和数据集可在https://github.com/Khushkataruka/WasteAssistant获取。