基于YOLOv8的可回收垃圾识别方法及工程化应用研究

为了加强生活垃圾分类管理、节约资源,生活垃圾分类引起了社会高度重视。文章基于YOLOv8深度学习框架进行可回收垃圾识别,随后将开发环境中训练好的垃圾分类模型,根据生产环境边缘侧硬件需求进行模型适配,并在边缘侧进行实时垃圾检测推理,以实现工程化落地应用。文章通过在垃圾分拣生产环境仿真平台对本文提出的方法进行验证。在传输轨道上方安装固定光源及工业摄像头,边缘设备JetSon Nano装载开发环境下训练好的垃圾分类模型,负责对传送带上的垃圾进行实时检测推理。实验证明,生产环境边缘侧进行垃圾检测推理实时性高,准确率达88%以上,满足工程应用需求。

改进YOLOv8算法的可回收垃圾目标检测研究

针对可回收垃圾目标检测算法漏检和误检率高、透明垃圾识别困难、人工分拣效率低等问题,提出一种改进的YOLOv8算法:ABD-YOLO。利用自适应下采样(ADS)提取图像边界特征,引入轻量级双向特征金字塔网络(BiFPN)进行多尺度特征融合,结合可变型自注意力机制(DA)解决透明物体识别困难的问题。实验结果表明,ABD-YOLO相对于YOLOv8算法在MAP上提升了2.3%,参数量降低34.2%,浮点计算量降低12.3%,尤其在透明物体识别方面的精度提升了5.7%。此外,通过在公开数据集上的验证,证实了ABD-YOLO的泛化能力。

融入注意力机制的轻量化可回收垃圾检测方法

目的针对目前智能垃圾分类设备使用的垃圾检测方法存在检测速度慢且模型权重文件较大等问题,提出一种基于YOLOv4的轻量化方法,以实现可回收垃圾的检测。方法采用MobileNetV2轻量级网络为YOLOv4的主干网络,用深度可分离卷积来优化颈部和头部网络,以减少参数量和计算量,提高检测速度;在颈部网络中融入CBAM注意力模块,提高模型对目标特征信息的敏感度;使用K−means算法重新聚类,得到适合自建可回收数据集中检测目标的先验框。结果实验结果表明,改进后模型的参数量减少为原始YOLOv4模型的17.0%,检测的平均精度达到96.78%,模型权重文件的大小为46.6 MB,约为YOLOv4模型权重文件的19.1%,检测速度为20.46帧/s,提高了约25.4%,检测精度和检测速度均满足实时检测要求。结论改进的YOLOv4模型能够在检测可回收垃圾时保证较高的检测精度,同时具有较好的实时性。

基于建筑改造原则的可回收垃圾再利用设计

针对可回收垃圾缺乏再利用造成的资源浪费和环境危害问题,文章通过分析可回收垃圾现状,将再利用设计分为基于材料的再利用、基于形态的再利用、基于功能的再利用;利用用户访谈和文献调研,将可回收垃圾的再利用需求分为成本、功能、质量、操作、个性化和生态环保等需求;基于建筑改造原则的干预、置入和装置策略,提出局部、组合和混合的改造设计方法;最后提出可回收垃圾的设计改造路径,并结合热缩管材料,进行陶瓷杯的改造设计研究,为可回收垃圾再利用提供设计指导方法。

水泥窑用可燃固体回收垃圾标准的研究进展

本文介绍了水泥窑燃烧利用固体回收垃圾的相关国外标准及我国的标准体系雏形,并对其主要品质指标及性能检测方法进行了比较分析。在该领域,我国的标准体系将主要由水泥窑用固体回收垃圾产品标准及其取样方法、燃烧特性测试方法和耐火材料抗卤族元素侵蚀试验方法等四项国家标准构成。文中还介绍了目前水泥窑用固体回收垃圾的热值、灰分、氯含量和硫含量等情况。

基于并联机器人可回收垃圾分拣系统的设计

针对人工分拣可回收垃圾工作量大、效率低且工作环境恶劣等问题,以DELTA并联机器人和工业相机为基础,搭建一套基于并联机器人可回收垃圾分拣系统。该系统结合了机器人运动控制技术,复合检测技术及人工智能技术,对废旧饮料瓶等可回收垃圾进行识别和高速分拣。基于并联机器人,对该系统的硬件系统、软件控制流程做了详细介绍并进行了样机实验。实验结果表明:该系统可实现24小时无间断分拣,大大提高工作效率,不仅解决了在恶劣环境下企业用工难的问题,而且针对可回收垃圾中废旧饮料瓶能做到超过98%的检出率。

基于工业机器人的可回收垃圾视觉分拣系统设计

针对传统人工分拣方式存在的工作效率低、环境恶劣等问题,文章设计出一种可回收垃圾视觉分拣系统。该系统采用DELTA并联机器人完成智能分拣工作,具有高精度、快速度以及轻质量等优势;利用罗技C920摄像头作为该系统的图像采集设备,有利于机器人对分拣目标的图像信息进行精准提取。通过仿真测试的方式验证该系统分拣功能的精确性,测试结果表明,视觉分拣系统的检出率高达98%。将该系统应用于实际生活中,可极大地改善环境,并有效提升机器人的分拣效率。

基于SqueezeNet-Tiny的可回收垃圾智能垃圾桶设计及实现

文章提出一种对SqueezeNet神经网络改进策略,通过删除第三个Maxpooling层,同时将第一个卷积层的卷积核大小设置成3×3,创建轻量化SqueezeNet-Tiny模型,并在具有复杂背景的可回收垃圾数据集(Recyclable Waste Dataset,简称RW Dataset)上验证了改进的有效性。将SqueezeNet-Tiny迁移到硬件设施,完成了智能分类垃圾桶的设计和制作,识别精度可达94.68%,参数量仅为0.74 M,基本满足工程化应用的需求。

基于深度学习的可回收垃圾分类算法

基于深度学习可回收垃圾的分类算法是实现垃圾智能分类的关键。文章基于Image Net数据集的Inception模型,选用参数绑定与参数共享、提前终止、数据增强等多种方式防止数据过拟合,并在主干网络加入了注意力机制,提高了分类准确率。

校园可回收垃圾再利用问题研究——以二手书籍资料类垃圾为例

当前在国家大力支持环保项目的政策下,二手资料市场具有十分广阔的前景和发展空间。因此本项目以"资料再利用"为主题,在大学校园里进行闲置书籍的回收、再利用和售卖活动,并对部分书籍资料进行租借,为在校大学生提供便利的阅读服务。对二手书和资料的循环利用,一方面通过各种渠道收购优质二手资料并根据书的使用程度和再利用价值综合进行有效的定级;另一方面,对定级图书进行精准分类,合理定价,拓展交易方式和简化交易手段以减轻学生由于购买大量新书而造成的经济成本,也为学生提供针对性的学习帮助和指导。由此可见,二手书交易这类经营模式在可行性、可操作性、正外部性方面积极作用非常大,具有较高的市场交易发展潜力。

可回收垃圾宜用绿色而非蓝色标注

北京、上海可回收垃圾桶都用“蓝色”,而非与“可回收”概念更接近的“绿色”。对此,三个模拟垃圾分类投放实验考察了绿色和蓝色哪种更合适作为可回收垃圾桶和可回收垃圾桶标识的颜色,以及考察了不同性别和年龄在实验中的差异。结果表明,绿色作为可回收垃圾桶或标识颜色更能提高垃圾分类效率;此效应在中老年人中更明显。本研究对国内垃圾分类政策的有效实施有理论指导意义。

改进SSD的可回收垃圾检测方法

目前我国可回收垃圾的回收利用主要依靠人工分拣的方式,造成了人力资源浪费、资源利用率低等问题。为提高资源的回收利用,提出了一个基于改进single shot multibox detector(SSD)算法的可回收垃圾检测器。针对模型参数量大,难以部署应用的问题,选用新的主干特征提取网络,引入轻量化的网络RepVGG替换SSD中的VGG16网络,同时采用结构重参数化的方式大幅减少参数量和计算量。修改SSD的辅助卷积层结构,进一步减少参数量。针对数据集尺寸变化大的问题,引入SK模块,自适应调整感受野的尺寸,提高检测精度。实验结果表明,改进的SSD模型在可回收垃圾检测任务上具有较好的检测精度和实时性,精度为95.23%,相较于原始SSD提升了4.33个百分点,检测速度可以达到64 FPS,因此该算法可以更好地应用于工业。

基于多模型决策融合的可回收垃圾分类方法

为解决现存可回收垃圾分类方法较为低效,垃圾不能及时处理的问题,本文提出了一种基于多模型决策融合网络并实现了准确的垃圾分类。构建的决策融合网络以垃圾图像作为输入,选取经典神经网络Googlenet、VGG19_BN、Resnet18分别作为3个决策模型,融合3个决策模型的决策分类结果作为最终分类结果,实现更为可靠、精确的可回收垃圾分类。模型的训练还加入了迁移学习与学习率衰减的技巧。经过数据集验证,与其他可回收垃圾分类深度学习方法相比所提出的方法实现了更高的可回收垃圾分类准确率,其在数据集上的测试准确率达到97.67%,同时与单模型决策网络的比较结果验证了本文所提多模型决策融合方法的有效性。

基于STM32的水面可回收垃圾分拣装置设计

为有效收集江河湖泊等水域内可回收的垃圾,设计了对数量大、回收利用率高的水面易拉罐等可利用垃圾的回收装置,详细介绍了装置的识别系统、控制系统和分拣系统。该装置凭借STM32单片机和摄像头能够实现对水面上易拉罐的自动识别和分类夹取,提高了垃圾的回收率,降低了垃圾的分类回收成本。实地实验统计分析表明:样机能正确识别可回收的垃圾,对环境保护和垃圾分类处理具有一定的积极作用。

基于迁移学习的可回收垃圾识别分类研究

经济高速的发展,导致垃圾产量急速增大,如何通过智能方法实现垃圾分类成为人类生存环境可持续发展的关键因素。本文提出一种针对图像数据集训练的ResNet152模型实现迁移学习。从华为垃圾分类挑战赛数据集中进行筛选形成新数据集,该数据集通过随机旋转、随机平移等预处理后形成。将图像数据集的80%作为训练集,另外20%作为测试集。基于ResNet152预训练模型进行迁移学习,以此形成适合本次实验数据集的ResNet152模型。实验结果表明:在经过迁移学习后的ResNet152模型中训练,不仅提高了训练速度,而且准确率高达85%。

可回收垃圾分类装置设计中SolidWorks的应用

针对可回收垃圾分类中人工投入大、分拣效率低的问题,本文设计了一款垃圾分类装置,可对废铁、塑料瓶、废纸等几类垃圾进行分类,该装置由进料装置、风选装置、磁选装置、传送带、光电传感器分选装置五部分组成,整个装置结合机械学、光学、电学原理,利用PLC控制。本装置降低了劳动成本,提高了分拣效率。

可回收垃圾的视觉检测系统设计

针对分类混合垃圾的要求越来越高、工作量越来越大、人工成本越来越高的问题,提出了基于机器视觉技术的垃圾分类,设计了基于YOLO V5网络的可回收垃圾的视觉检测系统。首先,对输入的图片进行预处理将其转化为统一大小;然后,使用深度网络进行可回收垃圾特征的提取。在自建的垃圾数据库上测试,对可回收垃圾的识别率可达到90%,平均一张图片的识别时间不到0.2 s。实验表明,该系统可以有效地完成可回收垃圾的识别与检测工作。

韩国如何回收垃圾

1994年韩国开始使用统一的垃圾袋,从1995年开始正式实施垃圾袋收费制度。

农村可回收垃圾市场化处理研究

采用抽点调查的方法,对广东省饶平县饶洋镇垃圾市场化进行调查。调查发现:饶洋镇人均日产生垃圾量较高,可回收垃圾占比较大,但该镇并没有建立一个合理完善的可回收垃圾处理机制与系统,导致绝大多数可回收垃圾得不到回收利用,导致可回收垃圾浪费。针对问题,提出可回收垃圾处理市场化对策。

培养幼儿对可回收垃圾的收集,分类与再使用能力的策略

从目前我国幼儿园垃圾分类教育开展的实际情况来看,开展的效果并不是十分的理想,根据现阶段幼儿园在各个班级防止的垃圾箱情况来看,幼儿教师在开展垃圾分类教育的过程中,应该注重加强对幼儿可回收垃圾收集、分类与在使用能力的培养,以此达到“情知行合一”的教育效果。笔者针对培养幼儿对可回收垃圾的收集、分类与再使用能力的有效策略进行了研究,希望对幼儿可回收垃圾收集、分类和再使用能力的提高有所帮助。