廃棄物からの電子機器リサイクルにおける材料フロー組成データセット：RGBカメラベースの単一粒子画像と粒子質量データ

科学分野:

• 廃棄物管理とリサイクル
• コンピュータビジョンと機械学習
• センサー技術

背景:

• 質量ベースの材料フロー組成（MFCO）は、廃棄物選別品質を評価するために重要ですが、通常は手動で決定されます。
• センサーベースの材料フロー特性評価（SBMC）は、より効率的な代替手段を提供しますが、NIR分光法のような現在の方法は、破砕されたWEEEのような複雑な廃棄物ストリームには限界があります。
• RGBカメラは、産業用選別におけるSBMCを強化するための、汎用性が高く広く利用可能なセンサーオプションです。

研究 の 目的:

• 破砕された廃電気電子機器（WEEE）のセンサーベースの材料フロー特性評価（SBMC）の研究を進めるための包括的なデータセットを生成し、提供すること。
• RGBカメラデータを使用した材料識別、物体検出、セグメンテーション、および質量予測のための機械学習モデルの開発と評価を容易にすること。
• データとモデル開発の改善を通じて、WEEEリサイクルの自動選別プロセスの最適化をサポートすること。

主な方法:

• ドイツの産業施設から破砕されたWEEEを収集し、4つの主要な材料タイプに手動で予備選別しました。
• 産業規模のセンサーベース選別機でRGBラインスキャンカメラ画像と質量測定を取得しました。
• 3つの異なるデータセットを作成しました：分類/検出/セグメンテーション用のラベル付き単一粒子画像、回帰用のオブジェクトごとの質量を持つ画像、および検証用の混合サンプル。

主要な成果:

• データセット1は、分類および検出モデルのトレーニングと検証のためのラベル付き単一粒子画像と材料質量を提供します。
• データセット2は、粒子質量予測のための回帰モデルのトレーニングを可能にする、関連する質量を持つ単一粒子画像を提供します。
• データセット3には、他のデータセットでトレーニングされたモデルを検証するための、グラウンドトゥルース組成を持つ混合サンプルが含まれています。

結論:

• 生成されたデータセットは、WEEE選別のための高度なAIモデルの開発と評価に不可欠です。
• これらのリソースは、センサーベースの材料フロー特性評価の改善を推進し、より良いプロセス監視と品質管理につながります。
• 本研究は、機械学習アプリケーションのためのデータ可用性の向上を通じて、自動WEEEリサイクルの進歩をサポートします。