GCDN-Net:垃圾分类器深度神经网络用于可回收的城市废物管理
Md Mosarrof Hossen1, Azad Ashraf2, Mazhar Hasan2
1Department of Electrical and Electronics Engineering, University of Dhaka, Dhaka, Bangladesh.
Waste management (New York, N.Y.)
|December 19, 2023
概括
先进的深度学习模型,如垃圾分类器深度神经网络 (GCDN-Net),可以准确地对废物图像进行分类. 这项技术为自动化废物管理和回收系统提供了一个有前途的解决方案.
科学领域:
- 环境科学 环境科学
- 计算机科学 计算机科学
- 人工智能的人工智能
背景情况:
- 随着城市化和人口增长的增加,需要先进的废物管理解决方案.
- 深度学习模型由于其图像识别能力,显示了自动废物分类的潜力.
研究的目的:
- 提出一种多阶段的机器学习方法来分类各种废物类别.
- 引入和评估新的垃圾分类器深度神经网络 (GCDN-Net) 用于垃圾图像分类.
主要方法:
- 使用了"垃圾进来,垃圾出去" (GIGO) 数据集,包括25,000张废物图像.
- 开发和实施了垃圾分类器深度神经网络 (GCDN-Net),用于单标签和多标签分类.
- 评估GCDN-Net与最先进的废物分类方法的性能,并使用Score-CAM进行可视化.
主要成果:
- 在单一标签分类中,GCDN-Net实现了95.77%的准确性,95.78%的精度,95.77%的回忆率和95.77%的F1分数,超过了现有的模型.
- 在多标签分类中,GCDN-Net获得了0.69的平均精度 (mAP) 和75.01%的F1得分.
结论:
- 深度学习模型,特别是GCDN-Net,对于分类各种废物类型是有效的.
- 由深度学习驱动的自动化废物分类系统可以降低废物管理的成本和处理时间.
