面向WEEE回收应用的PS与ABS黑色塑料分类
机器学习
2021-10-26 v1 计算机视觉与模式识别
摘要
污染与气候变化是人类面临的一些最大挑战。在此背景下，高效回收是可持续未来的关键工具。本工作旨在创建一种利用图像分析对不同类型的塑料进行分类的系统，特别是聚苯乙烯（PS）与丙烯腈-丁二烯-苯乙烯（ABS）类黑色塑料。它们来自废弃电气电子设备（WEEE）的两种常见塑料。为此，测试并重新训练了一个卷积神经网络（Convolutional Neural Network），获得95%的验证准确率。使用独立测试集时，平均准确率降至86.6%，但进一步审视结果显示ABS类型100%被正确分类，故所有误差均累积于PS类型。总体而言，这证明了利用CNN机器学习技术分类黑色塑料的可行性。我们认为，若有更具多样性与规模的图像数据集可用，采用所提方法可开发出可靠性更高且泛化良好的系统。
引用
@article{arxiv.2110.12896,
title = {Classification of PS and ABS Black Plastics for WEEE Recycling Applications},
author = {Anton Persson and Niklas Dymne and Fernando Alonso-Fernandez},
journal= {arXiv preprint arXiv:2110.12896},
year = {2021}
}
备注
Published at 8th Intl. Conference on Soft Computing & Machine Intelligence, ISCMI, Cairo, Egypt 26-27 November 2021