一个基于计算机视觉的系统,用于从废弃的印刷电路板中实时识别组件

科学领域:

• 环境科学 环境科学
• 计算机科学 计算机科学
• 材料科学 材料科学 材料科学

背景情况:

• 由于消费者对电子产品的需求日益增加,电子废物 (电子废物) 带来了重大的经济和环境挑战.
• 印刷电路板 (PCB) 是电子垃圾的主要组成部分,包含有价值但危险的材料.
• 在回收过程中,手动将电子元件 (EC) 与PCB分离是低效的,会影响人类健康,并导致材料损失.

研究的目的:

• 开发一种自动化系统,用于从废弃印刷电路板 (PCB) 中对电子元件 (EC) 进行分类和分离.
• 解决电子废物回收中手动分类的局限性,特别是在发展中国家.
• 通过技术干预,提高电子废物回收过程的效率和安全性.

主要方法:

• 实施计算机视觉和深度学习方法,特别是YOLOv3算法,用于EC识别.
• 使用公开可用的数据集和定制PCB数据集的组合来训练模型.
• 在具有挑战性的现实世界回收条件下测试系统,包括多种照明,阴影,方向,视角和分辨率.

主要成果:

• YOLOv3检测模型证明了对ECs的满意分类准确性.
• 该系统展示了实时识别功能,这对于自动分类至关重要.
• 开发的系统显示了从废弃PCB中有效分离EC的潜力.

结论:

• 拟议的计算机视觉和深度学习系统为自动化EC识别和分离提供了强大的解决方案.
• 这种自动化可以显著提高电子废物回收利用的效率,从而更好地回收有价值的材料.
• 采用这种自动化解决方案对于减轻电子垃圾对环境的影响和保护工人健康至关重要.