废物分类设施的体积确定挑战:观察和策略
Tom Maus1, Nico Zengeler1, Dorothee Sänger2
1Institut für Neuroinformatik, Ruhr-Universität Bochum, 44780 Bochum, Germany.
Sensors (Basel, Switzerland)
|April 13, 2024
概括
废物分类设施中的超声波传感器显示出具有成本效益的自动化潜力,但由于废物变化和环境因素,它们面临准确性挑战. 提高数据质量和机器学习模型是准确确定废物量和可持续管理的关键.
科学领域:
- 环境科学 环境科学
- 工程 工程师 工程师 工程师
- 计算机科学 计算机科学
背景情况:
- 超声波传感器为垃圾分类设施中自动化体积测定提供了经济有效的解决方案.
- 挑战包括不规则的废物形状,多样化的成分和影响传感器准确性的环境因素.
- 掩体和输送带测量之间的不一致性凸显了对标准化贝尔生产的需求.
研究的目的:
- 评估超声波传感器在废物体积测定中的有效性.
- 识别和解决影响测量准确性的废物材料特定挑战.
- 探索用于废物管理的机器学习应用程序中提高预测可靠性的策略.
主要方法:
- 对三个欧洲废物分类设施的案例研究分析.
- 数据集分析侧重于传感器可用性,数据质量和材料特点.
- 探索废物量确定和机器学习方面的相关研究.
主要成果:
- 超声波传感器的精度受到废物特性和环境条件的重大影响.
- 有限的数据集,未经记录的机器修改和传感器故障限制了机器学习预测可靠性.
- 体积测量的差异表明需要在生产中提高标准化.
结论:
- 标准化生产和提高数据质量对于精确的废物量测量至关重要.
- 需要进一步的研究来克服机器学习在这个领域的局限性.
- 提高废物量精度可以显著提高可持续废物管理实践.
