論文の概要: Virtual Mines -- Component-level recycling of printed circuit boards using deep learning
- arxiv url: http://arxiv.org/abs/2406.17162v1
- Date: Mon, 24 Jun 2024 22:29:30 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-26 18:11:29.115187
- Title: Virtual Mines -- Component-level recycling of printed circuit boards using deep learning
- Title（参考訳）: 深層学習を用いたプリント基板の成分レベルリサイクル
- Authors: Muhammad Mohsin, Stefano Rovetta, Francesco Masulli, Alberto Cabri,
- Abstract要約: 仮想鉱山」という概念は、生物の終末品から興味深い原料を効率よく回収する生産サイクルを指す。
本稿では, 回路基板を部品レベルでリサイクルする深層学習モデルに基づくパイプラインについて述べる。
ローカルに開発されたデータセットの結果を分析するために、事前トレーニングされたYOLOv5モデルが使用される。
- 参考スコア（独自算出の注目度）: 4.849820402342814
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This contribution gives an overview of an ongoing project using machine learning and computer vision components for improving the electronic waste recycling process. In circular economy, the "virtual mines" concept refers to production cycles where interesting raw materials are reclaimed in an efficient and cost-effective manner from end-of-life items. In particular, the growth of e-waste, due to the increasingly shorter life cycle of hi-tech goods, is a global problem. In this paper, we describe a pipeline based on deep learning model to recycle printed circuit boards at the component level. A pre-trained YOLOv5 model is used to analyze the results of the locally developed dataset. With a different distribution of class instances, YOLOv5 managed to achieve satisfactory precision and recall, with the ability to optimize with large component instances.
- Abstract（参考訳）: このコントリビューションは, 電子廃棄物リサイクルプロセスを改善するために, 機械学習とコンピュータビジョンコンポーネントを用いた進行中のプロジェクトの概要を提供する。
循環経済において、「仮想鉱山」という概念は、生物の終末品から効率的で費用対効果の高い方法で、興味深い原料を回収する生産サイクルを指す。
特に、ハイテク商品のライフサイクルがますます短くなっているため、e-wasteの成長はグローバルな問題である。
本稿では,印刷回路基板を部品レベルでリサイクルする深層学習モデルに基づくパイプラインについて述べる。
ローカルに開発されたデータセットの結果を分析するために、事前トレーニングされたYOLOv5モデルが使用される。
クラスインスタンスの分散が異なるため、YOLOv5は大きなコンポーネントインスタンスで最適化できるため、満足のいく精度とリコールを実現した。
関連論文リスト
- Advancing Recycling Efficiency: A Comparative Analysis of Deep Learning Models in Waste Classification [0.0]
本研究は, 各種深層学習モデルの解析により, リサイクルにおける廃棄物分類の押し付け問題に取り組む。
以上の結果から, 複雑な廃棄物カテゴリの精度が著しく向上することが示唆された。
この研究は, 多カテゴリー廃棄物リサイクルの今後の発展への道を開くものである。
論文 参考訳（メタデータ） (2024-11-05T03:44:54Z) - Evaluating the effects of Data Sparsity on the Link-level Bicycling Volume Estimation: A Graph Convolutional Neural Network Approach [54.84957282120537]
本稿では,リンクレベルの自転車のボリュームをモデル化するために,グラフ畳み込みネットワークアーキテクチャを利用する最初の研究について述べる。
オーストラリア,メルボルン市全体での年間平均自転車数(AADB)を,Strava Metro の自転車数データを用いて推定した。
以上の結果から,GCNモデルは従来のAADB数予測モデルよりも優れた性能を示した。
論文 参考訳（メタデータ） (2024-10-11T04:53:18Z) - Measuring the Recyclability of Electronic Components to Assist Automatic Disassembly and Sorting Waste Printed Circuit Boards [4.0998481751764]
本稿では, 廃プリント基板(WPCB)からの廃電子部品(WEC)のリサイクル性の測定に, 数学的革新モデルを用いて着目する。
この革新的なアプローチは、WECのリサイクルとリサイクルの難しさを評価し、分解とソートを改善するAIモデルを統合する。
論文 参考訳（メタデータ） (2024-06-24T12:33:56Z) - 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) - Efficient Data Collection for Robotic Manipulation via Compositional Generalization [70.76782930312746]
本研究では, 環境要因をデータから構成し, 未確認の要因の組み合わせに遭遇した場合に成功できることを示す。
コンポジションを利用したドメイン内データ収集手法を提案する。
ビデオはhttp://iliad.stanford.edu/robot-data-comp/で公開しています。
論文 参考訳（メタデータ） (2024-03-08T07:15:38Z) - Revisiting Plasticity in Visual Reinforcement Learning: Data, Modules and Training Stages [56.98243487769916]
ニューラルネットワークが新しいデータで進化する能力である塑性は、高性能でサンプル効率のよい視覚強化学習に不可欠である。
本稿では,批評家の可塑性レベルに基づいてリプレイ率を動的に調整するAdaptive RRを提案する。
論文 参考訳（メタデータ） (2023-10-11T12:05:34Z) - 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) - Reverse Logistics Network Design to Estimate the Economic and
Environmental Impacts of Take-back Legislation: A Case Study for E-waste
Management System in Washington State [3.7406100634766646]
システム最適モデルにおける電子廃棄物のリサイクルと再製造に関連する逆ロジスティクス網について検討する。
我々は,ロジスティクスネットワークを最適モデルの2つの異なる部分に分割し,ユーザの視点から最適解を導出する。
提案されたモデルを実証的な例に実装することは、テイクバック法の経済的および環境的影響を見積もることができることを示す。
論文 参考訳（メタデータ） (2023-01-24T02:50:09Z) - 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) - 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) - Unsupervised Learning of 3D Object Categories from Videos in the Wild [75.09720013151247]
オブジェクトインスタンスの大規模なコレクションの複数のビューからモデルを学ぶことに重点を置いています。
再構成を大幅に改善するワープコンディショニングレイ埋め込み(WCR)と呼ばれる新しいニューラルネットワーク設計を提案する。
本評価は,既存のベンチマークを用いた複数の深部単眼再構成ベースラインに対する性能改善を示す。
論文 参考訳（メタデータ） (2021-03-30T17:57:01Z)
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。