开发智能城市固体废物分类器用于可回收材料的开发
Yu-Hao Lin1, Wei-Lung Mao2, Haris Imam Karim Fathurrahman3
1Department of Environmental Engineering, National Chung Hsing University, 145 Xingda Rd., Taichung 402, Taiwan; Environmental Education and Sustainable Technology Research and Development Center, National Chung Hsing University, 145 Xingda Rd., Taichung 402, Taiwan.
使用深度学习的智能分类系统和三角洲机器人原型成功分类城市固体废物 (MSW). 机器人手臂的抓取稳定性被认为是改进自动废物分类系统的主要因素.
科学领域:
- 机器人和自动化机器人与自动化
- 人工智能的人工智能
- 环境工程 环境工程
背景情况:
- 城市固体废物 (MSW) 分类提高了可持续发展意识.
- 深度学习 (DL) 算法提高了MSW检测,但与机器人系统进行因子分析的集成是有限的.
- 智能MSW分类器 (IMSWS) 的开发需要了解关键的性能决定因素.
研究的目的:
- 开发一个智能MSW分类器 (IMSWS) 原型.
- 评估影响选择和放置分类过程的主导因素.
- 将DL算法与机器人系统集成,以改善废物管理.
主要方法:
- 为IMSWS制造了一个三角洲机器人原型.
- 使用摄像头进行RGB图像和MSW的高度采集. 在输送带上.
- 采用YOLOv3或YOLOv4 DL算法用于MSW检测和位置识别.
- 开发了一个序列程序来指导三角洲机器人进行选择和放置操作.
主要成果:
- IMSWS原型展示了对多对象MSW流的分类能力.
- 无论YOLOv3和YOLOv4都在MSW图像数据集上实现了高检测准确度.
- YOLOv4在移动的MSW流中提供了可接受的检测准确性,尽管需要改进.
- 机器人手臂抓地稳定性被确定为主导IMSWS性能的主要因素.
结论:
- 开发的IMSWS原型显示了自动化MSW分类的前景.
- 进一步改进机器人手臂抓机制对于优化IMSWS性能至关重要.
- 集成先进的DL算法和机器人技术为高效的废物管理解决方案提供了途径.
更多相关视频
10:31Detection and Recovery of Palladium, Gold and Cobalt Metals from the Urban Mine Using Novel Sensors/Adsorbents Designated with Nanoscale Wagon-wheel-shaped Pores
Published on: December 6, 2015
09:06The Effect of Construction and Demolition Waste Plastic Fractions on Wood-Polymer Composite Properties
Published on: June 7, 2020
相关概念视频
Overview Of Cell Separation And Isolation
Biological Treatment of Effluent and Waste Water
Microbial Bioremediation of Plastics
