RTDRNet-lite:用于机器人垃圾分类的轻量级实时检测框架
Md Jawadul Karim1, Sirajum Munir2, Amith Khandakar3
1Department of Computer Science and Engineering, BRAC University, Dhaka 1212, Bangladesh.
Waste management (New York, N.Y.)
|October 7, 2025
概括
本研究介绍了一种人工智能驱动的自动化废物分类系统,使用RTDRNet-lite模型进行高效的回收利用. 集成的机器人手臂展示了工业废物管理的现实潜力.
科学领域:
- 环境科学与工程环境科学与工程
- 人工智能的人工智能
- 机器人技术 机器人技术 机器人技术
背景情况:
- 城市化在全球范围内带来了大量的废物管理挑战.
- 当前的废物回收系统往往缺乏效率和自动化.
- 智能分类对于有效的废物管理和资源回收至关重要.
研究的目的:
- 开发一个全面的,自动化的废物管理框架,用于智能,实时的废物分类.
- 整合基于人工智能的检测与机器人硬件,以提高废物处理.
- 解决现有的废物回收技术的局限性.
主要方法:
- 开发RTDRNet-lite模型,RT-DETR的一个轻量级变体,实现97%的mAP@50.
- 混合训练方法使用现实世界和稳定扩散产生的合成废物图像.
- 与定制的4度自由度机器人臂集成,用于实时分类验证.
主要成果:
- RTDRNet-lite模型显示了高精度 (97% mAP@50) 和降低了计算复杂性.
- 混合训练增强了模型的概括性和处理复杂的对象边界.
- 在生活垃圾分类任务中成功验证综合系统.
结论:
- 拟议的人工智能和机器人系统为自动废物分类提供了强大而准确的解决方案.
- 该框架显示了在工业规模的废物管理设施中部署的巨大潜力.
- 这项研究推动了智能废物管理,以实现更大的可持续性.


