实时检测和监测公共垃圾行为,使用深度学习来实现可持续环境
Eaman Alharbi1,2, Ghadah Alsulami3, Sarah Aljohani3
1Computer Science Department, Faculty of Computing and Information Technology, King Abdulaziz University, Jeddah, Saudi Arabia. ealraddadi@kau.edu.sa.
Scientific reports
|January 23, 2025
概括
一个新的监控和废物通知 (SAWN) 系统使用计算机视觉来检测和减少公共垃圾. 莫维网模型在识别垃圾事件方面实现了99.5%的准确性,增强了环境保护工作.
科学领域:
- 环境科学 环境科学
- 计算机视觉 计算机视觉
- 人工智能的人工智能
背景情况:
- 全球人口增长加剧了废物生产和污染,影响了生态系统和人类健康.
- 公共垃圾,特别是塑料垃圾,构成严重的生态威胁,污染食品和水源.
- 解决公共垃圾的紧迫挑战需要创新的技术解决方案.
研究的目的:
- 引入和评估监督和废物通知 (SAWN) 系统,以打击公共垃圾.
- 探索计算机视觉模型,特别是MoViNet和YOLOv8在检测垃圾行为和识别违规者的有效性.
- 开发一个强大的数据集,用于培训和验证垃圾检测模型.
主要方法:
- 利用监控摄像头和计算机视觉来检测垃圾.
- 使用MoViNet视频分类模型来识别车辆和行人的垃圾.
- 集成的YOLOv8用于面部识别和车牌检测,以识别垃圾处理的个人.
主要成果:
- 在垃圾检测方面,MoViNets表现出卓越的性能,在代改进后达到高达99.5%的准确性.
- YOLOv8在检测车辆车牌识别违规者识别方面实现了99.5%的准确性.
- 来自OpenCV的Haar Cascade被用于实时面部检测.
结论:
- 由先进的计算机视觉驱动的SAWN系统显示出在减少公共垃圾处理方面显著的前景.
- 开发的模型和数据集为未来环境监测和执法方面的进步提供了坚实的基础.
- 这项技术提供了一个可扩展的解决方案,以减轻广泛污染对生态和健康的影响.
