РЭО обозначил ключевые достижения в области цифровизации управления ТКО
В качестве наиболее значимых результатов выделены запуск и функционирование Федеральной государственной информационной системы учета ТКО (ФГИС УТКО), внедрение системы контроля за полигонами и активное использование искусственного интеллекта (ИИ) в рамках этих систем. Об этом сообщил заместитель генерального директора РЭО по цифровизации Алексей Буров в ходе сессии «Все для природы: искусственный интеллект и высокие технологии», которая состоялась на Невском международном экологическом конгрессе (НМЭК-2025).
По словам Бурова, РЭО активно внедряет технологии ИИ в различные процессы управления отходами. В частности, нейронные сети используются для обработки больших объемов визуальной информации (фото- и видеоматериалов) в системах учета отходов и мониторинга полигонов.
ФГИС УТКО, введенная в эксплуатацию в 2023 году, насчитывает более 14 тысяч активных пользователей. В систему занесены сведения о более чем 1 миллионе контейнерных площадок, 35 миллионах источников образования ТКО, 32 миллионах заключенных договоров в сфере обращения с отходами и 24 тысячах единиц техники, используемой для транспортировки отходов.
Начиная с 2024 года система получает данные с камер, установленных на контейнерах, в форме фотографий и видеозаписей. ИИ анализирует эти данные с целью контроля за своевременностью вывоза отходов и обнаружения несанкционированного складирования мусора вокруг контейнеров.
В 2025 году РЭО продолжает совершенствовать нейросеть, обучая ее распознаванию различных видов отходов, определению количества контейнеров и их предназначения (для раздельного или общего сбора).
Кроме того, с 2022 года РЭО реализует проект по проведению воздушного лазерного сканирования объектов размещения ТКО. За последние три года создано более тысячи трехмерных цифровых моделей полигонов в 78 регионах России.
Вся полученная информация загружается в систему мониторинга объектов размещения ТКО, интегрированную с ФГИС УТКО. В этой системе также применяются алгоритмы ИИ, в частности, для автоматического выявления нарушений. На данный момент точность работы этих алгоритмов превышает 80%.
