論文の概要: Sorting of Smartphone Components for Recycling Through Convolutional
Neural Networks
- arxiv url: http://arxiv.org/abs/2312.16626v1
- Date: Wed, 27 Dec 2023 16:16:15 GMT
- ステータス: 処理完了
- システム内更新日: 2023-12-29 18:24:55.818812
- Title: Sorting of Smartphone Components for Recycling Through Convolutional
Neural Networks
- Title(参考訳): 畳み込みニューラルネットワークによるリサイクルのためのスマートフォン部品の選別
- Authors: \'Alvaro G. Becker, Marcelo P. Cenci, Thiago L. T. da Silveira, Hugo
M. Veit
- Abstract要約: スマートフォン廃棄物処理における自動材料分離プロセスを制御するために,画像分類ニューラルネットワークを潜在的手段として利用することを検討した。
熱分解されたスマートフォン部品の1,127枚の画像を用いたデータセットを作成し,VGG-16画像分類モデルのトレーニングと評価に利用した。
このモデルは83.33%の精度を達成し、物質分離にそのようなニューラルネットワークを使用することの生存可能性に信頼を与えている。
- 参考スコア(独自算出の注目度): 2.9904113489777826
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The recycling of waste electrical and electronic equipment is an essential
tool in allowing for a circular economy, presenting the potential for
significant environmental and economic gain. However, traditional material
separation techniques, based on physical and chemical processes, require
substantial investment and do not apply to all cases. In this work, we
investigate using an image classification neural network as a potential means
to control an automated material separation process in treating smartphone
waste, acting as a more efficient, less costly, and more widely applicable
alternative to existing tools. We produced a dataset with 1,127 images of
pyrolyzed smartphone components, which was then used to train and assess a
VGG-16 image classification model. The model achieved 83.33% accuracy, lending
credence to the viability of using such a neural network in material
separation.
- Abstract(参考訳): 廃電気・電子機器のリサイクルは循環経済を実現する上で必須の手段であり, 環境・経済面で大きな利益をもたらす可能性がある。
しかし、従来の物質分離技術は、物理的および化学的プロセスに基づいて、相当な投資を必要とし、全てのケースに当てはまらない。
本研究では,画像分類ニューラルネットワークを,スマートフォンの廃棄物処理における自動材料分離プロセスを制御する潜在的な手段として利用し,既存のツールよりも効率的で低コストで,より広く適用可能な代替手段として機能することを検討する。
熱分解スマートフォン部品の1,127枚の画像を用いたデータセットを作成し,VGG-16画像分類モデルの訓練と評価に利用した。
このモデルは83.33%の精度を達成し、そのようなニューラルネットワークを物質分離に活用する可能性に信頼性を貸与した。
関連論文リスト
- Pruning random resistive memory for optimizing analogue AI [54.21621702814583]
AIモデルは、エネルギー消費と環境持続可能性に前例のない課題を提示する。
有望な解決策の1つは、アナログコンピューティングを再考することである。
ここでは、構造的塑性に着想を得たエッジプルーニングを用いたユニバーサルソリューション、ソフトウェア・ハードウエアの共設計について報告する。
論文 参考訳(メタデータ) (2023-11-13T08:59:01Z) - Application of Zone Method based Physics-Informed Neural Networks in
Reheating Furnaces [25.031487600209346]
ファウンデーション・インダストリーズ(FIs)はガラス、金属、セメント、セラミックス、バルク化学、紙、鋼などを構成する。
FIの製造チェーン内の再加熱炉はエネルギー集約的である。
再加熱炉の地下温度の正確なリアルタイム予測は、全体の加熱時間を短縮する可能性がある。
本稿では,新しいエネルギーベース正規化器を用いた物理知識を取り入れた物理インフォームドニューラルネットワーク(PINN)を提案する。
論文 参考訳(メタデータ) (2023-08-30T15:26:35Z) - 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) - RGB-X Classification for Electronics Sorting [10.409080299411645]
マルチモーダル画像分類手法であるRGB-Xを導入し、X線画像から生成された画像と外部RGB画像からの重要な特徴を利用して電子オブジェクトを正確に分類する。
本稿では,X線領域に適用した領域ランダム化を用いた新しい合成データセット作成手法を提案する。
組み合わせたRGB-Xアプローチでは、10世代のスマートフォンで98.6%の精度が得られ、これは個々のアキュラシーの89.1%(RGB)と97.9%(X線)より大きい。
論文 参考訳(メタデータ) (2022-09-08T00:33:00Z) - Pattern recognition in the nucleation kinetics of non-equilibrium
self-assembly [0.0]
本研究では,高次元濃度パターンをニューラルネットワーク計算に類似した方法で識別・分類できることを示す。
この成功は、核化のようなユビキタスな物理現象が、高次元の多成分系にスケールアップすると、強力な情報処理能力を持つ可能性があることを示唆している。
論文 参考訳(メタデータ) (2022-07-13T17:57:34Z) - CellDefectNet: A Machine-designed Attention Condenser Network for
Electroluminescence-based Photovoltaic Cell Defect Inspection [67.99623869339919]
太陽電池の視覚検査で業界が直面している大きな課題は、現在人間の検査員が手動で行っていることである。
本研究では,機械駆動設計探索により設計した高効率アテンションコンデンサネットワークであるCellDefectNetを紹介する。
発光画像を用いた太陽電池セルの多様性を示すベンチマークデータセット上で,セルデフェクトネットの有効性を実証した。
論文 参考訳(メタデータ) (2022-04-25T16:35:19Z) - Classification of PS and ABS Black Plastics for WEEE Recycling
Applications [63.942632088208505]
本研究の目的は,ポリスチレン (PS) 型とアクリロニトリルブタジエン (ABS) 型の黒色プラスチックを用いて,異なる種類のプラスチックを分類できるシステムを作ることである。
畳み込みニューラルネットワークのテストと再訓練が行われ、95%の精度が得られた。
別個のテストセットを使用して平均精度は86.6%まで低下するが、結果を見てみるとABS型が100%正確に分類されていることが分かるため、すべてのエラーを蓄積するPS型である。
論文 参考訳(メタデータ) (2021-10-20T12:47:18Z) - Towards artificially intelligent recycling Improving image processing
for waste classification [0.0]
IBMのWastenetプロジェクトは、廃棄物の分類に人工知能を用いてリサイクルを改善することを目的としている。
本稿では,移動学習とデータ拡張技術を用いて,このプロジェクトを基盤とする。
その結果、これらの拡張技術により、最終モデルのテスト精度は95.40%向上した。
論文 参考訳(メタデータ) (2021-08-09T21:41:48Z) - 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) - Towards an Automatic Analysis of CHO-K1 Suspension Growth in
Microfluidic Single-cell Cultivation [63.94623495501023]
我々は、人間の力で抽象化されたニューラルネットワークをデータレベルで注入できる新しい機械学習アーキテクチャを提案する。
具体的には、自然データと合成データに基づいて生成モデルを同時に訓練し、細胞数などの対象変数を確実に推定できる共有表現を学習する。
論文 参考訳(メタデータ) (2020-10-20T08:36:51Z) - Compressive sensing with un-trained neural networks: Gradient descent
finds the smoothest approximation [60.80172153614544]
訓練されていない畳み込みニューラルネットワークは、画像の回復と復元に非常に成功したツールとして登場した。
トレーニングされていない畳み込みニューラルネットワークは、ほぼ最小限のランダムな測定値から、十分に構造化された信号や画像を概ね再構成可能であることを示す。
論文 参考訳(メタデータ) (2020-05-07T15:57:25Z)
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。