一个集成的检测-语义融合和近红外系统用于食品配送包装废弃物
Wanqi Ma1, Hong Chen1, Ruyin Long1
1School of Business, Jiangnan University, Wuxi 214122, PR China; Research Institute of National Security and Green Development, Jiangnan University, Wuxi 214122, PR China.
Waste management (New York, N.Y.)
|September 12, 2025
概括
本研究介绍了FDPWaste,这是一套数据集和模型,用于对食品配送包装废物进行自动分类. 该系统在塑料检测和分类方面实现了高精度,推动了循环回收工作.
科学领域:
- 废物管理和回收利用
- 计算机视觉和机器学习
- 材料科学 材料科学 材料科学
背景情况:
- 由于复杂的材料组成和检测困难,食品配送包装废物带来了重大回收挑战.
- 现有的基于视觉的方法与多模式集成和多规模分析扎,阻碍循环经济目标.
研究的目的:
- 开发一种自动化系统,用于分类食品配送包装废物.
- 创建一个全面的数据集 (FDPWaste) 用于培训和评估回收分类模型.
- 改进塑料检测,细分和材料分类,以加强回收利用.
主要方法:
- FDPWaste数据集的介绍:五种塑料的注释图像和近红外光谱.
- 开发CFD-YOLO检测模型,增强功能关注度.
- 实施ECA-UNet用于边缘意识细分和PSO-SVM用于材料分类.
- 集成到一个带有机器人控制的自动分类系统中.
主要成果:
- 在塑料检测方面,CFD-YOLO实现了93.3%的mAP50.
- 在材料识别中,PSO-SVM分类器达到97.1%的准确性.
- 综合系统证明了有效的自动分类和实时决策.
结论:
- 开发的框架为推进食品配送包装循环回收提供了实际工具.
- FDPWaste数据集和CFD-YOLO模型解决了当前回收技术的主要局限性.
- 这项研究有助于更可持续的包装材料废物管理系统.
