論文の概要: First Lessons Learned of an Artificial Intelligence Robotic System for Autonomous Coarse Waste Recycling Using Multispectral Imaging-Based Methods
- arxiv url: http://arxiv.org/abs/2501.13855v1
- Date: Thu, 23 Jan 2025 17:24:24 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-01-24 15:58:38.532884
- Title: First Lessons Learned of an Artificial Intelligence Robotic System for Autonomous Coarse Waste Recycling Using Multispectral Imaging-Based Methods
- Title（参考訳）: マルチスペクトルイメージングを用いた自律型粗大ごみリサイクルのための人工知能ロボットシステムの最初の教訓
- Authors: Timo Lange, Ajish Babu, Philipp Meyer, Matthis Keppner, Tim Tiedemann, Martin Wittmaier, Sebastian Wolff, Thomas Vögele,
- Abstract要約: 選別プロセスを自動化する2つの重要な側面は、廃棄物の混合山における物質分類による物体検出と油圧機械の自律制御である。
これらの課題に対処するために、紫外(UV)、視覚(VIS)、近赤外(NIR)、短波長赤外(SWIR)の多スペクトル画像を用いた材料分類を提案する。
大量の廃棄物を選別する油圧重機を自律的に制御するためのソリューションは,コスト効率の高いカメラと人工知能ベースの制御装置を用いて検討されている。
- 参考スコア（独自算出の注目度）: 0.0
- License:
- Abstract: Current disposal facilities for coarse-grained waste perform manual sorting of materials with heavy machinery. Large quantities of recyclable materials are lost to coarse waste, so more effective sorting processes must be developed to recover them. Two key aspects to automate the sorting process are object detection with material classification in mixed piles of waste, and autonomous control of hydraulic machinery. Because most objects in those accumulations of waste are damaged or destroyed, object detection alone is not feasible in the majority of cases. To address these challenges, we propose a classification of materials with multispectral images of ultraviolet (UV), visual (VIS), near infrared (NIR), and short-wave infrared (SWIR) spectrums. Solution for autonomous control of hydraulic heavy machines for sorting of bulky waste is being investigated using cost-effective cameras and artificial intelligence-based controllers.
- Abstract（参考訳）: 粗粒廃棄物処理施設は, 重機による手作業による手作業による選別を行う。
リサイクル可能な物質が大量に失われ、粗い廃棄物が取り除かれるため、より効率的な選別プロセスが開発されなければならない。
選別プロセスを自動化する2つの重要な側面は、廃棄物の混合山における物質分類による物体検出と油圧機械の自律制御である。
廃棄物の蓄積物の多くは損傷または破壊されているため、ほとんどの場合、物体検出だけでは不可能である。
これらの課題に対処するために、紫外(UV)、視覚(VIS)、近赤外(NIR)、短波長赤外(SWIR)の多スペクトル画像を用いた材料分類を提案する。
大量の廃棄物を選別する油圧重機を自律的に制御するためのソリューションは,コスト効率の高いカメラと人工知能ベースの制御装置を用いて検討されている。
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) - 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) - Implementing Edge Based Object Detection For Microplastic Debris [0.0]
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。
論文 参考訳（メタデータ） (2023-07-30T17:55:03Z) - 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) - Exploring Resolution and Degradation Clues as Self-supervised Signal for
Low Quality Object Detection [77.3530907443279]
劣化した低解像度画像中の物体を検出するための,新しい自己教師型フレームワークを提案する。
本手法は, 既存手法と比較して, 異変劣化状況に直面する場合に比べ, 優れた性能を示した。
論文 参考訳（メタデータ） (2022-08-05T09:36:13Z) - 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) - 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 Online Monitoring and Data-driven Control: A Study of
Segmentation Algorithms for Laser Powder Bed Fusion Processes [83.97264034062673]
レーザーパウダーベッド融合機の増加は、オンライン監視とデータ駆動制御能力を改善するためにオフ軸赤外線カメラを使用する。
我々は、各赤外線画像を前景と背景に分割する30以上のセグメンテーションアルゴリズムについて検討する。
同定されたアルゴリズムは、レーザ粉体層融合機に容易に適用でき、上記の各制限に対処し、プロセス制御を大幅に改善することができる。
論文 参考訳（メタデータ） (2020-11-18T03:30:16Z)
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。