相关实验视频
Updated: Jul 8, 2025
13:19
Deep Neural Networks for Image-Based Dietary Assessment
Published on: March 13, 2021
9.2K
基于深度学习模型的装饰废物的智能识别和分类系统
Zuohua Li1, Quanxue Deng1, Peicheng Liu1
1School of Civil and Environmental Engineering, Harbin Institute of Technology, Shenzhen, Shenzhen 518055, China; Guangdong Provincial Key Laboratory of Intelligent and Resilient Structures for Civil Engineering, Shenzhen 518055, China.
Waste management (New York, N.Y.)
|December 19, 2023
概括
这项研究引入了一个智能框架,使用You Only Look Once X (YOLOX) 进行高效的装饰废物分类. YOLOX-DW框架显著提高了分类的准确性和速度,这对于可持续的废物管理至关重要.
科学领域:
- 废物管理 废物管理
- 人工智能的人工智能
- 计算机视觉 计算机视觉
背景情况:
- 装饰废物由于有毒材料和可变组成而带来挑战.
- 手动分类是低效的,对工人的健康构成风险.
- 需要智能分类方法来准确高效地进行废物分类.
研究的目的:
- 开发和验证装饰废物的智能识别和分类框架.
- 解决传统手动分类方法的局限性.
- 提高装饰废物回收行业的效率和安全性.
主要方法:
- 深度学习模型的应用,你只看一次X (YOLOX).
- 开发一个装饰废物识别和分类框架 (YOLOX-DW).
- 使用多标签图像数据集进行验证,并使用机器人排序系统进行实践实验.
主要成果:
- 对于装饰废弃物组件,YOLOX-DW框架实现了99.16%的平均平均精度 (mAP).
- 记录的检测速度为每秒39.23 (FPS).
- 在机器人分类实验平台上,分类效率达到95.06%.
结论:
- 拟议的YOLOX-DW框架为装饰废物分类提供了一个高度准确和高效的解决方案.
- 该系统显示了在回收行业实际应用的巨大潜力.
- 这项研究提供了一个可行的策略,用于智能检测和分类装饰废物.
