論文の概要: Implementing Edge Based Object Detection For Microplastic Debris
- arxiv url: http://arxiv.org/abs/2307.16289v1
- Date: Sun, 30 Jul 2023 17:55:03 GMT
- ステータス: 処理完了
- システム内更新日: 2023-08-01 16:39:01.086550
- Title: Implementing Edge Based Object Detection For Microplastic Debris
- Title（参考訳）: 微小塑性粉体に対するエッジベース物体検出の実装
- Authors: Amardeep Singh, Prof. Charles Jia, Prof. Donald Kirk
- Abstract要約: プラスチックは、我々の日々の活動に欠かせない存在として自制している。
プラスチックの破片レベルは、埋立地のゴミ処理場に廃棄物が蓄積されるにつれて上昇し続けている。
このプロジェクトでは、サンプル画像の時間的検出で実行可能なモデルを生成することができる。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Plastic has imbibed itself as an indispensable part of our day to day
activities, becoming a source of problems due to its non-biodegradable nature
and cheaper production prices. With these problems, comes the challenge of
mitigating and responding to the aftereffects of disposal or the lack of proper
disposal which leads to waste concentrating in locations and disturbing
ecosystems for both plants and animals. As plastic debris levels continue to
rise with the accumulation of waste in garbage patches in landfills and more
hazardously in natural water bodies, swift action is necessary to plug or cease
this flow. While manual sorting operations and detection can offer a solution,
they can be augmented using highly advanced computer imagery linked with
robotic appendages for removing wastes. The primary application of focus in
this report are the much-discussed Computer Vision and Open Vision which have
gained novelty for their light dependence on internet and ability to relay
information in remote areas. These applications can be applied to the creation
of edge-based mobility devices that can as a counter to the growing problem of
plastic debris in oceans and rivers, demanding little connectivity and still
offering the same results with reasonably timed maintenance. The principal
findings of this project cover the various methods that were tested and
deployed to detect waste in images, as well as comparing them against different
waste types. The project has been able to produce workable models that can
perform on time detection of sampled images using an augmented CNN approach.
Latter portions of the project have also achieved a better interpretation of
the necessary preprocessing steps required to arrive at the best accuracies,
including the best hardware for expanding waste detection studies to larger
environments.
- Abstract（参考訳）: プラスチックは、我々の日々の活動において欠かせない部分であり、生分解性のない性質と安価な生産価格のために問題の原因となっている。
これらの問題により、廃棄の余効や適切な処分の欠如を緩和し、対応することが課題となり、それによって廃棄物は場所に集中し、植物や動物の生態系を乱すことになる。
埋立地のゴミ処理場や自然水域のゴミ処理場に廃棄物が蓄積されるにつれて, プラスチックの破片レベルが上昇し続けており, この流れを埋めるか, 止めるかが急務である。
手動のソート操作と検出は解決策を提供するが、無駄を取り除くためにロボットの付属物と関連づけられた高度に高度なコンピュータイメージを使用して拡張することができる。
このレポートにおけるフォーカスの第一の応用は、インターネットへの光依存と遠隔地での情報を中継する能力によって、目新しさを増したコンピュータビジョンとオープンビジョンである。
これらの応用は、海や川でプラスチックの破片が増加する問題に対抗し、接続をほとんど必要とせず、適度なメンテナンスで同じ結果が得られるエッジベースのモビリティデバイスの開発に応用することができる。
このプロジェクトの主な発見は、画像中のムダを検出するためにテストおよびデプロイされた様々な方法と、異なるムダタイプと比較することである。
プロジェクトは、拡張CNNアプローチを使用してサンプル画像の時間的検出が可能な実行可能なモデルを生成することができる。
プロジェクトの小さな部分は、廃棄物検出研究を大規模環境に拡張するための最良のハードウェアを含む、最高の精度に到達するために必要な事前処理ステップのより良い解釈も達成している。
関連論文リスト
- Optimizing Waste Management with Advanced Object Detection for Garbage Classification [1.3499500088995462]
本稿では,オブジェクト検出によるゴミの分類のためのAIモデルの実装についてレビューする。
この研究は、YOLO V5がプラスチック、紙、ガラス、金属、段ボール、生分解性物質など、様々な種類の廃棄物を効果的に識別する方法を実証している。
論文 参考訳（メタデータ） (2024-10-13T19:32:01Z) - SpectralWaste Dataset: Multimodal Data for Waste Sorting Automation [46.178512739789426]
本稿では, 廃棄物処理施設から収集した最初のデータセットであるSpectralWasteについて紹介する。
このデータセットには、分類植物によく見られるいくつかのカテゴリのオブジェクトのラベルが含まれている。
異なるオブジェクトセグメンテーションアーキテクチャを用いたパイプラインを提案し,その代替案をデータセット上で評価する。
論文 参考訳（メタデータ） (2024-03-26T18:39:38Z) - Solid Waste Detection, Monitoring and Mapping in Remote Sensing Images: A Survey [0.8499685241219366]
不適切に管理された埋立地は、浸透雨水を介して土壌と地下水を汚染し、動物と人間の両方に脅威を与える。
現場検査のような伝統的な埋立地識別アプローチは、時間と費用がかかる。
地球観測衛星(EO)は、センサーと撮像機能を備えた衛星で、数十年にわたって高解像度のデータを提供してきた。
論文 参考訳（メタデータ） (2024-02-14T10:24:04Z) - Learning Heavily-Degraded Prior for Underwater Object Detection [59.5084433933765]
本稿では、検出器フレンドリーな画像から、転送可能な事前知識を求める。
これは、検出器フレンドリー(DFUI)と水中画像の高度に劣化した領域が、特徴分布のギャップがあることを統計的に観察したものである。
高速かつパラメータの少ない本手法は変圧器型検出器よりも優れた性能を保っている。
論文 参考訳（メタデータ） (2023-08-24T12:32:46Z) - Efficient Real-time Smoke Filtration with 3D LiDAR for Search and Rescue
with Autonomous Heterogeneous Robotic Systems [56.838297900091426]
スモークとダストは、搭載された知覚システムに依存するため、あらゆる移動ロボットプラットフォームの性能に影響を与える。
本稿では,重みと空間情報に基づく新しいモジュラー計算フィルタを提案する。
論文 参考訳（メタデータ） (2023-08-14T16:48:57Z) - A Vision for Cleaner Rivers: Harnessing Snapshot Hyperspectral Imaging
to Detect Macro-Plastic Litter [6.198237241838559]
大量のプラスチック廃棄物が内陸から海へと輸送され、地球規模で浮かぶ破片田の問題に繋がる。
河川のようなシナリオにおける計算画像を用いたマクロプラスチックごみ検出の可能性について解析する。
論文 参考訳（メタデータ） (2023-07-22T18:59:27Z) - MWaste: A Deep Learning Approach to Manage Household Waste [0.0]
MWasteはコンピュータビジョンとディープラーニング技術を使って廃棄物をゴミ、プラスチック、紙、金属、ガラス、段ボールに分類するモバイルアプリケーションだ。
その効果は、さまざまなニューラルネットワークアーキテクチャや実世界の画像でテストされ、テストセットの平均精度は92%に達した。
論文 参考訳（メタデータ） (2023-04-02T16:56:49Z) - VisDA 2022 Challenge: Domain Adaptation for Industrial Waste Sorting [61.52419223232737]
産業廃棄物の選別において、最も大きな課題の1つは入力ストリームの極端な多様性である。
産業廃棄物浄化における領域適応に関するVisDA 2022の課題について紹介する。
論文 参考訳（メタデータ） (2023-03-26T21:38:38Z) - Towards Generating Large Synthetic Phytoplankton Datasets for Efficient
Monitoring of Harmful Algal Blooms [77.25251419910205]
有害な藻類(HAB)は養殖農場で重大な魚死を引き起こす。
現在、有害藻や他の植物プランクトンを列挙する標準的な方法は、顕微鏡でそれらを手動で観察し数えることである。
合成画像の生成にはGAN(Generative Adversarial Networks)を用いる。
論文 参考訳（メタデータ） (2022-08-03T20:15:55Z) - 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)
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。