Моделі та засоби інтелектуальної обробки зображень у системах сортування побутових відходів

Анотація

Одним із актуальних завдань екологічного менеджменту є ефективна переробка відходів на основі їх сортування. В інтелектуальній системі сортування відходів алгоритм обробки зображень є ключовим компонентом, що визначає її ефективність та точність. У відкритих наборах даних об’єкти на зображеннях зазвичай великі, відрізняються від тих, що були зроблені в реальних умовах сортувальної лінії. Це призводить до відсутності зразків із дрібними об’єктами. В результаті модель може мати труднощі з виявленням, що проявляється в пропущених розпізнаваннях або неточному позиціонуванні. У статті об’єднані матеріали з відкритих джерел та фотографії, отримані в лабораторних умовах, для створення спеціалізованого набору даних для візуального сортування відходів. Він містить зображення з одним об’єктом, кількома об’єктами, розмитими об’єктами, лабораторним фоном та складним фоном. Усі зображення поділені на чотири основні категорії: харчові відходи, відходи, що підлягають переробці, небезпечні відходи та інші відходи. Ефективна легка модель YOLO була обрана як базова завдяки меншій кількості параметрів та високій швидкості обробки для досягнення цілей низького енергоспоживання та низької вартості в інтелектуальній системі сортування. У статті аналізуються популярні алгоритми обробки та розпізнавання зображень із використанням згорткових нейронних мереж та на їх основі пропонується вдосконалений композитний алгоритм для виявлення та класифікації сміття. Також проведено обчислювальний експеримент для підтвердження ефективності запропонованого алгоритму на реальних навчальних вибірках. Показано, що загальна продуктивність запропонованого алгоритму перевищує сучасні популярні алгоритми розпізнавання об’єктів, забезпечуючи ефективне та точне розпізнавання сміття.