对象检测模型和积极学习,以改善韩国电子垃圾收集管理系统
Yong-Jun Im1, Tai-Woo Chang2, Sangun Park2
1Research Center, East-North Resource Recycling Center, Inc., Hwaseong, Republic of Korea; Department of Industrial and Systems Engineering, Kyonggi University, Suwon, Republic of Korea.
Waste management (New York, N.Y.)
|January 28, 2025
概括
这项研究通过使用YOLOv8对象检测来增强废物设备的回收管理,自动化差异检查并提高效率. 该系统减少了手动检查负担和收取服务的成本.
科学领域:
- 计算机科学 计算机科学
- 人工智能的人工智能
- 废物管理 废物管理
背景情况:
- 手动检查废弃家用电器收集效率低,在验证收集数据方面存在限制.
- 现有的管理系统很难识别注册数据和实际收集的项目之间的差异.
研究的目的:
- 加强废弃家用电器的管理系统,提供免费的取回服务.
- 实施物体检测模型以克服手动检查的局限性并提高效率.
主要方法:
- 在19101个标记图像的数据集上使用YOLOv8对象检测模型.
- 从图像数据中排除了视觉无法验证的照片,并根据废物吞吐量标记了项目.
- 开发了一个系统,自动识别注册数据和收集的项目之间的差异.
主要成果:
- 在初始培训中实现了高绩效指标:0.950 mAP50和0.888 mAP50-95.
- 自动检测11003张图像,用7分32.8秒完成.
- 通过不确定性抽样,证明有效地解决了类不平衡问题,并改善了模型性能.
结论:
- YOLOv8模型显著提高了废弃电器收集管理系统的效率.
- 建议主动学习方法,包括不确定性抽样,用于未来的模型增强和降低手动标签成本.
- 预计这种方法将最大限度地提高未来废物管理过程的效率.
