分析物料回收设施中的混合建筑与拆除废料：计算机视觉与深度学习的演进、挑战及应用
计算机视觉与模式识别
2025-03-05 v2 人工智能
摘要
提高建筑与拆除废料成分的自动、及时识别能力，对于提升商业回报、经济效益和可持续性至关重要。尽管深度学习模型在识别和分类均质材料方面展现出潜力，但当前文献缺乏评估其在商业物料回收设施环境中对混合、受污染材料性能的研究。尽管该领域生成的深度学习模型和数据集数量不断增加，但针对建筑与拆除废料堆的深度学习分析这一子领域仍鲜有探索。为填补这一空白，本文探讨了近期的深度学习算法与技术。本综述考察了数据集、传感器的进展以及从目标检测向实时分割模型的演进。它还综合了过去五年中深度学习在建筑与拆除废料管理方面的研究，强调了近期的进展，同时承认了阻碍其广泛商业应用的局限性。分析强调，需要多样化、高保真度的数据集、先进的传感器技术以及鲁棒的算法框架，以促进深度学习方法有效整合到建筑与拆除废料管理系统中。这种整合有望为推进更可持续的循环经济模型做出重大贡献。
引用
@article{arxiv.2409.13112,
title = {Analyzing mixed construction and demolition waste in material recovery facilities: evolution, challenges, and applications of computer vision and deep learning},
author = {Adrian Langley and Matthew Lonergan and Tao Huang and Mostafa Rahimi Azghadi},
journal= {arXiv preprint arXiv:2409.13112},
year = {2025}
}