Fugu-MT 論文翻訳(概要): Leveraging CNN and IoT for Effective E-Waste Management

論文の概要: Leveraging CNN and IoT for Effective E-Waste Management

arxiv url: http://arxiv.org/abs/2506.16647v1
Date: Thu, 19 Jun 2025 23:19:15 GMT
ステータス: 翻訳完了
システム内更新日: 2025-06-23 19:00:05.284339
Title: Leveraging CNN and IoT for Effective E-Waste Management
Title（参考訳）: 効率的なE-Waste管理のためのCNNとIoTの活用
Authors: Ajesh Thangaraj Nadar, Gabriel Nixon Raj, Soham Chandane, Sushant Bhat,
Abstract要約: 不適切な処理とe-wasteの不十分なリサイクルは、深刻な環境・健康リスクをもたらす。本稿では,電子廃棄物の識別,分類,ルーティングを向上させるために,IoT対応システムと軽量CNNベースの分類パイプラインを組み合わせることを提案する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The increasing proliferation of electronic devices in the modern era has led to a significant surge in electronic waste (e-waste). Improper disposal and insufficient recycling of e-waste pose serious environmental and health risks. This paper proposes an IoT-enabled system combined with a lightweight CNN-based classification pipeline to enhance the identification, categorization, and routing of e-waste materials. By integrating a camera system and a digital weighing scale, the framework automates the classification of electronic items based on visual and weight-based attributes. The system demonstrates how real-time detection of e-waste components such as circuit boards, sensors, and wires can facilitate smart recycling workflows and improve overall waste processing efficiency.
Abstract（参考訳）: 現代の電子機器の普及は電子廃棄物(e-waste)の急増につながった。不適切な処理とe-wasteの不十分なリサイクルは、深刻な環境・健康リスクをもたらす。本稿では,電子廃棄物の識別,分類,ルーティングを向上させるために,IoT対応システムと軽量CNNベースの分類パイプラインを組み合わせることを提案する。カメラシステムとデジタル計量スケールを統合することにより、視覚的および重量的属性に基づいて電子アイテムの分類を自動化する。このシステムは, 回路基板, センサ, ワイヤなどの電子廃棄物のリアルタイム検出によって, スマートリサイクルのワークフローが促進され, 全体処理効率が向上することを示す。

関連論文リスト

Safeguarding the Future of Mobility: Cybersecurity Issues and Solutions for Infrastructure Associated with Electric Vehicle Charging [0.0]
EV充電ステーション管理システムが提供する膨大なデータには、IoT(Internet of Things)エコシステムが使用されている。機械学習と深層学習技術によるIDS発達の加速により、侵入検知は学術において主要なトピックとなっている。本研究の目的は、偽陽性率の低い機械学習による侵入検知システムを用いて、EV充電ステーションのエコシステムを保護することである。
論文参考訳（メタデータ） (2025-01-24T21:41:38Z)
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により、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。 GenAIはDTの構築と更新を推進し、予測精度を改善し、多様なスマート製造に備える。
論文参考訳（メタデータ） (2024-08-02T10:47:10Z)
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)
Sorting of Smartphone Components for Recycling Through Convolutional Neural Networks [2.9904113489777826]
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。
論文参考訳（メタデータ） (2023-12-27T16:16:15Z)
EWasteNet: A Two-Stream Data Efficient Image Transformer Approach for E-Waste Classification [0.0]
e-wasteの適切な処理は、地球環境と健康のリスクを引き起こす。電子デバイスの8種類の画像からなる包括的データセットを提示した。また,EWasteNetは,高精度なE-waste画像分類のための新しい2ストリームアプローチである。
論文参考訳（メタデータ） (2023-09-28T13:12:45Z)
Multiagent Reinforcement Learning with an Attention Mechanism for Improving Energy Efficiency in LoRa Networks [52.96907334080273]
ネットワーク規模が大きくなるにつれて、パケット衝突によるLoRaネットワークのエネルギー効率は急激に低下する。マルチエージェント強化学習(MALoRa)に基づく伝送パラメータ割り当てアルゴリズムを提案する。シミュレーションの結果,MALoRaはベースラインアルゴリズムと比較してシステムEEを著しく改善することがわかった。
論文参考訳（メタデータ） (2023-09-16T11:37:23Z)
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)
IoT-based Route Recommendation for an Intelligent Waste Management System [61.04795047897888]
本研究は, 空間制約を考慮したIoT対応廃棄物管理システムにおいて, 経路推薦のためのインテリジェントなアプローチを提案する。我々のソリューションは、ビンの状態と座標を考慮に入れた複数レベルの意思決定プロセスに基づいている。
論文参考訳（メタデータ） (2022-01-01T12:36:22Z)
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)

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。