論文の概要: GULP: Solar-Powered Smart Garbage Segregation Bins with SMS Notification
and Machine Learning Image Processing
- arxiv url: http://arxiv.org/abs/2304.13040v1
- Date: Tue, 25 Apr 2023 13:11:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-27 16:52:19.586015
- Title: GULP: Solar-Powered Smart Garbage Segregation Bins with SMS Notification
and Machine Learning Image Processing
- Title（参考訳）: GULP: SMS通知と機械学習画像処理を備えたソーラーパワーのスマートガベージセグメンテーションビン
- Authors: Jerome B. Sigongan, Hamer P. Sinodlay, Shahida Xerxy P. Cuizon, Joanna
S. Redondo, Maricel G. Macapulay, Charlene O. Bulahan-Undag and Kenn Migan
Vincent C. Gumonan
- Abstract要約: 廃棄物管理プロセスをエンドユーザにとってより興味深いものにする。
スマートビンをアンロードする必要がある場合に、ユーティリティスタッフに通知する。
再生可能太陽エネルギー源を利用して環境にやさしいスマートビンを奨励する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This study intends to build a smartbin that segregates solid waste into its
respective bins. To make the waste management process more interesting for the
end-users; to notify the utility staff when the smart bin needs to be unloaded;
to encourage an environment-friendly smart bin by utilizing renewable solar
energy source. The researchers employed an Agile Development approach because
it enables teams to manage their workloads successfully and create the
highest-quality product while staying within their allocated budget. The six
fundamental phases are planning, design, development, test, release, and
feedback. The Overall quality testing result that was provided through the
ISO/IEC 25010 evaluation which concludes a positive outcome. The overall
average was 4.55, which is verbally interpreted as excellent. Additionally, the
application can also independently run with its solar energy source. Users were
able to enjoy the whole process of waste disposal through its interesting
mechanisms. Based on the findings, a compressor is recommended to compress the
trash when the trash level reaches its maximum point to create more rooms for
more garbage. An algorithm to determine multiple garbage at a time is also
recommended. Adding a solar tracker coupled with solar panel will help produce
more renewable energy for the smart bin.
- Abstract（参考訳）: 本研究は, 廃棄物をそれぞれの容器に分離するスマートビンを構築することを目的としている。
廃棄物管理プロセスをエンドユーザーにとってより面白くし、スマートビンを降ろす必要があるときにユーティリティスタッフに通知し、再生可能太陽エネルギー源を利用して環境にやさしいスマートビンを奨励する。
研究者たちは、チームがワークロードをうまく管理でき、割り当てられた予算内に留まらずに最高の製品を作ることができるため、アジャイル開発アプローチを採用した。
6つの基本的なフェーズは、計画、設計、開発、テスト、リリース、フィードバックです。
iso/iec 25010による全体的な品質テストの結果は肯定的な結果となった。
全体の平均は4.55で、これは口頭で素晴らしいと解釈される。
さらに、このアプリケーションは太陽エネルギー源と独立して動作することができる。
ユーザは、その興味深いメカニズムを通じて廃棄物処理の全過程を楽しんだ。
以上の結果から, コンプレッサーは, ごみレベルが最大値に達すると圧縮し, より多くのゴミを収容できる部屋を造ることを推奨した。
同時に複数のガベージを判定するアルゴリズムも推奨されている。
ソーラーパネルとソーラーパネルを組み合わせることで、スマートビンの再生可能エネルギーを増やすことができる。
関連論文リスト
- Improving day-ahead Solar Irradiance Time Series Forecasting by
Leveraging Spatio-Temporal Context [46.72071291175356]
太陽発電は二酸化炭素の排出量を大幅に削減することで気候変動を緩和する大きな可能性を秘めている。
しかし、太陽光の固有の変動は、電力網に太陽エネルギーをシームレスに統合する上で大きな課題となる。
本稿では,衛星データを用いた時間的文脈の活用を目的としたディープラーニングアーキテクチャを提案する。
論文 参考訳（メタデータ） (2023-06-01T19:54:39Z) - Sustainable AIGC Workload Scheduling of Geo-Distributed Data Centers: A
Multi-Agent Reinforcement Learning Approach [48.18355658448509]
生成的人工知能の最近の進歩は、機械学習トレーニングの需要が急増し、エネルギー消費の大幅な増加によるコスト負担と環境問題を引き起こしている。
地理的に分散したクラウドデータセンタ間でのトレーニングジョブのスケジューリングは、安価で低炭素エネルギーのコンピューティング能力の使用を最適化する機会を浮き彫りにする。
本研究では,実生活におけるワークロードパターン,エネルギー価格,炭素強度を組み込んだクラウドシステムと対話することで,マルチエージェント強化学習とアクタクリティカルな手法に基づく最適協調スケジューリング戦略の学習アルゴリズムを提案する。
論文 参考訳（メタデータ） (2023-04-17T02:12:30Z) - ConvoWaste: An Automatic Waste Segregation Machine Using Deep Learning [0.0]
本稿では,ConvoWasteを用いたスマートオブジェクト検出アルゴリズムを用いて,廃棄物を異なる部位に分離する機械を提案する。
本稿では, 廃棄物を正確に分類するために, 深層学習と画像処理技術を適用した。
システム全体がAndroidアプリを介して遠隔操作され、切り離されたゴミを捨てる。
論文 参考訳（メタデータ） (2023-02-06T18:08:33Z) - Data-driven soiling detection in PV modules [58.6906336996604]
太陽光発電モジュールの土質比を推定する問題について検討した。
私たちのアルゴリズムの重要な利点は、ラベル付きデータでトレーニングする必要がない、土壌を推定することです。
実験により, 土質比を推定するための工法として, 現状を著しく上回っていることが明らかとなった。
論文 参考訳（メタデータ） (2023-01-30T14:35:47Z) - Comparison and Evaluation of Methods for a Predict+Optimize Problem in
Renewable Energy [42.00952788334554]
本稿では2021年に開催されたIEEE-CIS Technical Challenge on Predict+ for Renewable Energy Schedulingについて述べる。
コンペティションにおける上位7つのソリューションの比較と評価を行う。
勝算法は異なるシナリオを予測し、サンプル平均近似法を用いて全てのシナリオに最適化した。
論文 参考訳（メタデータ） (2022-12-21T02:34:12Z) - Using Artificial Intelligence and IoT for Constructing a Smart Trash Bin [1.4898183413499773]
ゴミ箱の上のカメラがゴミの写真を撮って、中央処理部が分析し、ゴミを捨てるビンを判断する。
ごみ箱システムの精度は90%に達する。
論文 参考訳（メタデータ） (2022-08-12T04:13:14Z) - Optimizing a domestic battery and solar photovoltaic system with deep
reinforcement learning [69.68068088508505]
バッテリーと太陽光発電システムのコストの低下は、ソーラーバッテリーの家庭用システムの増加に繋がった。
本研究では,システム内の電池の充電および放電挙動を最適化するために,深い決定論的ポリシーアルゴリズムを用いる。
論文 参考訳（メタデータ） (2021-09-10T10:59:14Z) - ZeroWaste Dataset: Towards Automated Waste Recycling [51.053682077915546]
産業レベルの廃棄物検出・分別データセットZeroWasteについて述べる。
このデータセットには、実際の廃棄物処理工場から収集された1800以上のビデオフレームが含まれている。
最先端のセグメンテーション手法では,対象物を正しく検出・分類することが困難であることを示す。
論文 参考訳（メタデータ） (2021-06-04T22:17:09Z) - DeepWaste: Applying Deep Learning to Waste Classification for a
Sustainable Planet [0.0]
誤った廃棄物処理を減らそうとする試みは、高価で不正確で混乱している。
我々は,高度に最適化されたディープラーニング技術を利用して,廃棄物をゴミ,リサイクル,コンポストに即時分類するモバイルアプリDeepWasteを提案する。
我々の最良のモデルは、50層からなるディープラーニング残留ニューラルネットワークであり、テストセットの平均精度は0.881である。
論文 参考訳（メタデータ） (2021-01-15T04:06:25Z) - WasteNet: Waste Classification at the Edge for Smart Bins [5.757545310368236]
本稿では,畳み込みニューラルネットワークに基づく廃棄物分類モデルであるWasteNetを提案する。
本モデルは,テストデータセット上での予測精度を97%向上させる。
これは、リサイクル汚染など、一般的なスマートビンの問題を軽減するのに役立つだろう。
論文 参考訳（メタデータ） (2020-06-10T14:57:58Z) - Comparative Analysis of Multiple Deep CNN Models for Waste
Classification [0.0]
このプロジェクトはよく知られたDeep Learning Networkアーキテクチャを、独自の取り組みとTrush Netを組み合わせたデータセットによる廃棄物分類でテストした。
ダストビンの形で作られたハードウェアは、それらの廃棄物を異なる区画に分離するために使用される。
論文 参考訳（メタデータ） (2020-04-05T11:50:27Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。