返回
Recognizing recyclable waste materials based on deep transfer learning models
DOI:10.1007/s00521-025-11592-w.png)
摘要
En 中文
在新绿色经济和可持续发展中,废物回收与管理已成为减少废物混合物环境影响的核心问题。废物回收与管理的不足直接影响到气候变化、空气污染以及许多生态环境。从数亿吨的废物混合物中识别可回收废物材料是一项巨大挑战,该问题可通过基于机器学习和深度学习技术的人工智能技术解决。本文介绍了一种基于新型迁移学习模型的深度学习方法,用于识别可回收废物材料。两种混合迁移学习模型——Xception-CNN和MobileNet-CNN,基于Xception和MobileNet模型的经典神经网络设计,但采用了新的超参数和一种创新的分类方法。所提出的模型已在包含25,000张图像的标准数据集上进行测试和验证。实验结果表明,在识别可回收废物材料方面,MobileNet-CNN技术相较于其他六种深度学习技术具有优越性,其测试准确率达到91%。此外,MobileNet-CNN模型使用SHAP分析技术进行了分析,并与Xception-CNN模型在给定数据集的两个样本上进行了比较。MobileNet-CNN的SHAP值分布更加均衡地围绕零值,这使其相较于Xception-CNN对特征的小幅变化更不敏感。这些结果为未来研究奠定了基础,以利用所提出的两种迁移学习模型——Xception-CNN和MobileNet-CNN,采用不同数据集解决废物回收问题中的其他分类问题。
Keyword:
Deep learning
Transfer learning
MobileNet-CNN
Waste recycling
Climate change
Sustainability
期刊
IF:
4.5
论文数:
887
被引数:
3.2W
机构
引用论文
Development of a model composting process for food waste in an island community and use of machine learning models to predict its performance岛屿社区食品废弃物模型堆肥工艺的开发及机器学习模型对其性能的预测
A Novel Framework for Trash Classification Using Deep Transfer Learning一种基于深度迁移学习的垃圾分类新框架
IEEE ACCESS
IF3.6
GCDN-Net: Garbage classifier deep neural network for recyclable urban waste management
WASTE MANAGEMENT
IF7.1
A systematic literature review on municipal solid waste management using machine learning and deep learning基于机器学习和深度学习的城市固体废物管理系统文献综述
A deep convolutional neural network to simultaneously localize and recognize waste types in images
WASTE MANAGEMENT
IF7.1
Waste image classification based on transfer learning and convolutional neural network基于迁移学习和卷积神经网络的垃圾图像分类
WASTE MANAGEMENT
IF7.1
Integrating machine learning for precision agriculture waste estimation and sustainability enhancement集成机器学习进行精准农业废弃物估算与可持续性提升
Modelling the contribution of green technologies, renewable energy, economic complexity, and human capital in environmental sustainability: Evidence from BRICS countries
GONDWANA RESEARCH
IF8.6

