論文の概要: Autonomous AI-enabled Industrial Sorting Pipeline for Advanced Textile Recycling
- arxiv url: http://arxiv.org/abs/2405.10696v1
- Date: Fri, 17 May 2024 11:08:47 GMT
- ステータス: 処理完了
- システム内更新日: 2024-05-20 16:22:57.698350
- Title: Autonomous AI-enabled Industrial Sorting Pipeline for Advanced Textile Recycling
- Title（参考訳）: 高度繊維リサイクルのための自律型AI対応産業用ソーティングパイプライン
- Authors: Yannis Spyridis, Vasileios Argyriou, Antonios Sarigiannidis, Panagiotis Radoglou, Panagiotis Sarigiannidis,
- Abstract要約: 本稿では, 自律型繊維分析パイプラインを導入することで, 従来の繊維選別手法の非効率性について論じる。
本システムにより, 繊維選別プロセスの精度, 効率, スケーラビリティが向上し, 廃棄物処理に対するより持続的, 循環的なアプローチに寄与する。
予備的な結果は, 環境影響を緩和し, 繊維産業におけるリサイクルへのポジティブなシフトを促進するための総合的アプローチの可能性を強調している。
- 参考スコア（独自算出の注目度）: 5.7987804915589525
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: The escalating volumes of textile waste globally necessitate innovative waste management solutions to mitigate the environmental impact and promote sustainability in the fashion industry. This paper addresses the inefficiencies of traditional textile sorting methods by introducing an autonomous textile analysis pipeline. Utilising robotics, spectral imaging, and AI-driven classification, our system enhances the accuracy, efficiency, and scalability of textile sorting processes, contributing to a more sustainable and circular approach to waste management. The integration of a Digital Twin system further allows critical evaluation of technical and economic feasibility, providing valuable insights into the sorting system's accuracy and reliability. The proposed framework, inspired by Industry 4.0 principles, comprises five interconnected layers facilitating seamless data exchange and coordination within the system. Preliminary results highlight the potential of our holistic approach to mitigate environmental impact and foster a positive shift towards recycling in the textile industry.
- Abstract（参考訳）: 繊維廃棄物の増大は, 環境への影響を緩和し, ファッション産業の持続可能性を高めるために, 革新的な廃棄物管理ソリューションを必要としている。
本稿では, 自律型繊維分析パイプラインを導入することで, 従来の繊維選別手法の非効率性について論じる。
ロボット工学、スペクトルイメージング、AIによる分類を利用して、我々のシステムは繊維選別プロセスの正確性、効率、スケーラビリティを高め、廃棄物管理に対するより持続的で循環的なアプローチに寄与する。
デジタルツインシステムの統合により、技術的および経済的実現可能性の批判的評価が可能になり、ソートシステムの正確性と信頼性に関する貴重な洞察を提供する。
提案されたフレームワークは、Industrial 4.0の原則にインスパイアされ、システム内のシームレスなデータ交換と調整を容易にする5つの相互接続層で構成されている。
予備的な結果は, 環境影響を緩和し, 繊維産業におけるリサイクルへのポジティブなシフトを促進するための総合的アプローチの可能性を強調している。
関連論文リスト
- Vision-based Manipulation of Transparent Plastic Bags in Industrial Setups [0.37187295985559027]
本稿では, 産業設備における透明プラスチック袋の自律切削・開梱における視覚的操作の課題について述べる。
提案手法は、高度な機械学習アルゴリズム、特に畳み込みニューラルネットワーク(CNN)を用いる。
追尾アルゴリズムと深度センシング技術は、ピック・配置中の3次元空間認識に利用される。
論文 参考訳（メタデータ） (2024-11-14T17:47:54Z) - Sustainable Diffusion-based Incentive Mechanism for Generative AI-driven Digital Twins in Industrial Cyber-Physical Systems [65.22300383287904]
産業用サイバー物理システム(ICPS)は、現代の製造業と産業にとって不可欠なコンポーネントである。
製品ライフサイクルを通じてデータをデジタル化することで、ICPSのDigital Twins(DT)は、現在の産業インフラからインテリジェントで適応的なインフラへの移行を可能にします。
産業用IoT(Industrial Internet of Things, IIoT)デバイスを利用すれば、DTを構築するためのデータを共有するメカニズムは、悪い選択問題の影響を受けやすい。
論文 参考訳（メタデータ） (2024-08-02T10:47:10Z) - 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) - A Comparative Study of Machine Learning Algorithms for Anomaly Detection
in Industrial Environments: Performance and Environmental Impact [62.997667081978825]
本研究は,環境の持続可能性を考慮した高性能機械学習モデルの要求に応えることを目的としている。
Decision TreesやRandom Forestsといった従来の機械学習アルゴリズムは、堅牢な効率性とパフォーマンスを示している。
しかし, 資源消費の累積増加にもかかわらず, 最適化された構成で優れた結果が得られた。
論文 参考訳（メタデータ） (2023-07-01T15:18:00Z) - 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) - 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) - Deep Learning based pipeline for anomaly detection and quality
enhancement in industrial binder jetting processes [68.8204255655161]
異常検出は、通常の値空間とは異なる異常状態、インスタンス、あるいはデータポイントを検出する方法を記述する。
本稿では,産業生産における人工知能へのデータ中心のアプローチに寄与する。
論文 参考訳（メタデータ） (2022-09-21T08:14:34Z) - Machine Learning and Artificial Intelligence in Circular Economy: A
Bibliometric Analysis and Systematic Literature Review [0.0]
循環経済(CE)は、設計段階で材料から最も高い価値を出し、再利用、リサイクル、再製造によって製品ライフサイクルのループを完成させることを目的としている。
本研究では,CEにおける応用AI技術の採用と統合について検討する。
論文 参考訳（メタデータ） (2022-04-01T07:05:13Z) - 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。