基于多尺度特征融合的废物分类策略,用于办公楼的智能废物回收
Zongjing Lin1, Huxiu Xu2, Maoying Zhou1
1School of Mechanical Engineering, Hangzhou Dianzi University, Hangzhou 310018, China.
Waste management (New York, N.Y.)
|October 17, 2024
概括
本研究介绍了一种多级特征融合策略 (MFFS),用于精确的废物分类,特别是对于具有挑战性的废物. 多年财政计划模型实现了高准确度,并减少了模型参数,以实现实际应用.
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:
- 有效的废物分类对于环境保护至关重要.
- 当前的方法与现实世界废物分类的挑战作斗争,因为类似的外观.
- 需要先进的特征提取和融合来实现强大的废物识别.
研究的目的:
- 为改进废物分类提出创新的多规模特征融合战略 (MFFS).
- 解决现有的难以分类废弃物方法的局限性.
- 为实际的废物分类应用开发一个计算效率高的模型.
主要方法:
- 制定了一个多级特征融合战略 (MFFS),将当地细粒度和全球粗粒度特征结合起来.
- 实施了双级特征融合方法与空间特征集成.
- 使用卷积特征建模全球关系,以尽量减少背景干扰.
主要成果:
- 在定制数据集上达到95.5%的分类准确度,在垃圾网数据集上达到94.1%.
- 与VGG16相比,模型参数减少了57.2%,与视觉变压器相比减少了34.2%.
- 在智能废物分类设备上成功部署了MFFS模型,证明了理想的准确性和稳定性.
结论:
- 多年财政预算战略显著提高了废物分类的准确性,特别是在具有挑战性的项目中.
- 拟议的模型为现实世界废物分类提供了计算效率高和强大的解决方案.
- 在废物分类装置上成功部署突显了其实际适用性和推广潜力.
