論文の概要: BatSort: Enhanced Battery Classification with Transfer Learning for Battery Sorting and Recycling

• arxiv url: http://arxiv.org/abs/2404.05802v1
• Date: Mon, 8 Apr 2024 18:05:24 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-10 18:48:28.534246
• Title: BatSort: Enhanced Battery Classification with Transfer Learning for Battery Sorting and Recycling
• Title（参考訳）: BatSort:バッテリソーティングとリサイクルのためのトランスファーラーニングによるバッテリ分類の強化
• Authors: Yunyi Zhao, Wei Zhang, Erhai Hu, Qingyu Yan, Cheng Xiang, King Jet Tseng, Dusit Niyato,
• Abstract要約: バッテリータイプ分類のための機械学習に基づくアプローチを導入し、アプリケーションにおけるデータ不足の問題に対処する。 本研究では,大規模なデータセットに最適化された既存の知識を活用するために移動学習を適用したBatSortを提案する。 実験の結果,BatSortの精度は平均92.1%,最大96.2%であった。
• 参考スコア（独自算出の注目度）: 42.453194049264646
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Battery recycling is a critical process for minimizing environmental harm and resource waste for used batteries. However, it is challenging, largely because sorting batteries is costly and hardly automated to group batteries based on battery types. In this paper, we introduce a machine learning-based approach for battery-type classification and address the daunting problem of data scarcity for the application. We propose BatSort which applies transfer learning to utilize the existing knowledge optimized with large-scale datasets and customizes ResNet to be specialized for classifying battery types. We collected our in-house battery-type dataset of small-scale to guide the knowledge transfer as a case study and evaluate the system performance. We conducted an experimental study and the results show that BatSort can achieve outstanding accuracy of 92.1% on average and up to 96.2% and the performance is stable for battery-type classification. Our solution helps realize fast and automated battery sorting with minimized cost and can be transferred to related industry applications with insufficient data.
• Abstract（参考訳）: 電池リサイクルは、使用済み電池の環境被害と資源の無駄を最小化するための重要なプロセスである。 しかし、バッテリーの分類が高価であり、電池の種類に基づいてバッテリーをグループ化する自動化がほとんどないため、これは難しい。 本稿では,バッテリタイプ分類のための機械学習によるアプローチを導入し,アプリケーションにおけるデータ不足の問題に対処する。 本研究では、大規模なデータセットに最適化された既存の知識を活用するために転送学習を適用し、バッテリータイプを分類するためのResNetをカスタマイズするBatSortを提案する。 筆者らは,小規模の社内バッテリー型データセットを収集し,事例研究として知識伝達を指導し,システム性能の評価を行った。 実験により,BatSortは平均92.1%,最大96.2%の精度を達成でき,バッテリタイプの分類では性能が安定であることが確認された。 我々のソリューションは、低コストで高速かつ自動化されたバッテリーソートを実現するのに役立ち、データ不足の関連業界アプリケーションに転送することができる。

関連論文リスト

• BatteryML:An Open-source platform for Machine Learning on Battery Degradation [15.469939183346467]
  BatteryML - データ前処理、機能抽出、そして従来のモデルと最先端モデルの両方の実装を統合するために設計された、ワンステップで全エンコンパス、オープンソースプラットフォームを提供する。 この合理化されたアプローチは、研究アプリケーションの実用性と効率を高めることを約束する。
  論文  参考訳（メタデータ） (2023-10-23T08:51:05Z)
• A Mapping Study of Machine Learning Methods for Remaining Useful Life Estimation of Lead-Acid Batteries [0.0]
  State of Health (SoH) と Remaining Useful Life (RUL) は、バッテリーシステムの予測保守、信頼性、寿命の向上に貢献している。 本稿では,鉛蓄電池のSoHとRULを推定するための機械学習手法における最先端のマッピング研究について述べる。
  論文  参考訳（メタデータ） (2023-07-11T10:41:41Z)
• A Deep Learning Approach Towards Generating High-fidelity Diverse Synthetic Battery Datasets [0.0]
  高忠実度バッテリデータセットを合成するためのDeep Learningベースの手法をいくつか導入する。 これらの強化された合成データセットは、バッテリー研究者がより良い推定モデルを構築するのに役立つ。
  論文  参考訳（メタデータ） (2023-04-09T05:41:21Z)
• Continual Learning For On-Device Environmental Sound Classification [63.81276321857279]
  デバイス上での環境音の分類のための簡易かつ効率的な連続学習法を提案する。 本手法は,サンプルごとの分類の不確実性を測定することにより,トレーニングの履歴データを選択する。
  論文  参考訳（メタデータ） (2022-07-15T12:13:04Z)
• Evaluating feasibility of batteries for second-life applications using machine learning [0.0]
  本稿では,引退した電気自動車電池の迅速な評価を可能にするための機械学習技術の組み合わせについて述べる。 提案アルゴリズムは,利用可能なバッテリ電流と簡易な統計値を用いた電圧測定から特徴量を生成する。 相関分析を用いて特徴を選択し、ランク付けし、バッジによって強化されたガウスプロセス回帰を採用する。
  論文  参考訳（メタデータ） (2022-03-08T18:07:33Z)
• Data Driven Prediction of Battery Cycle Life Before Capacity Degradation [0.0]
  本稿では,Kristen A. Seversonらが実施したデータと手法を用いて,研究チームが使用した方法論を探索する。 基本的な取り組みは、機械学習技術が、バッテリー容量を正確に予測するために、早期ライフサイクルデータを使用するように訓練されているかどうかを確認することである。
  論文  参考訳（メタデータ） (2021-10-19T01:35:12Z)
• 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)
• State-of-Charge Estimation of a Li-Ion Battery using Deep Forward Neural Networks [68.8204255655161]
  リチウムイオン電池のためのDeep Forward Networkを構築し,その性能評価を行った。 本研究の貢献はリチウムイオン電池用ディープフォワードネットワークの構築手法とその性能評価である。
  論文  参考訳（メタデータ） (2020-09-20T23:47:11Z)
• Universal Battery Performance and Degradation Model for Electric Aircraft [52.77024349608834]
  電動垂直離着陸機(eVTOL)の設計、解析、運用には、Liイオン電池の性能の迅速かつ正確な予測が必要である。 我々は,eVTOLのデューティサイクルに特有の電池性能と熱的挙動のデータセットを生成する。 このデータセットを用いて,物理インフォームド機械学習を用いた電池性能・劣化モデル(Cellfit)を開発した。
  論文  参考訳（メタデータ） (2020-07-06T16:10:54Z)

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。