.png){kind=icon}
返回
A lightweight model for plastic classification based on data augmentation
.png){kind=icon}
PRE
AI
DOI：10.1016/j.jclepro.2025.144775.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
随着环保意识的普及，环保领域对家电工厂塑料废弃物的回收利用日益关注。在此背景下，光谱技术，特别是光谱数据与基于深度学习的分类技术的结合，已逐渐成为解决塑料分类挑战的关键方案。然而，关于塑料分类模型的轻量化部署研究尚显不足，这成为未来研究的重要方向之一。本文提出了一种创新的特征提取方法，该方法在保留整体光谱特征的同时，局部消除噪声引起的精细特征。这一改进显著提升了算法的准确性，使精度提高了2%。为扩充数据集样本量，我们设计了一种塑料光谱生成模型（PSGM）用于生成合成数据。通过利用生成的光谱数据扩充数据集，最终算法的准确率进一步提升了3%。此外，本文还提出了一种轻量级塑料分类模型（LPCM），该模型仅占用0.77M空间，同时保持98%的准确率和0.003秒的检测速度。该模型不仅满足了工厂废旧电器回收的实用需求，还有望应用于嵌入式控制器，展现出广阔的应用前景。
Keyword:
Plastic classification and recycling
Feature extraction
Plastic spectroscopy generation model
Lightweight plastic classification model
期刊
IF:
10
论文数:
4.7W
被引数:
36.8W
机构
暂无机构信息
引用论文
Design of fuzzy radial basis function neural network classifier based on information data preprocessing for recycling black plastic wastes: comparative studies of ATR FT-IR and Raman spectroscopy.png)
APPLIED INTELLIGENCE
APPLIED INTELLIGENCEIF3.5
PREAI
分享收藏分享收藏A review on chemometric techniques with infrared, Raman and laser-induced breakdown spectroscopy for sorting plastic waste in the recycling industry利用红外，拉曼和激光诱导击穿光谱对回收行业中塑料废物进行分类的化学计量技术综述
OAAI
OAAI分享收藏Robust near-infrared-based plastic classification with relative spectral similarity patternWASTE MANAGEMENT
WASTE MANAGEMENTIF7.1
PREAI
分享收藏Deep learning for chemometric analysis of plastic spectral data from infrared and Raman databasesOAAI
OAAI分享收藏
查看更多内容