基于物联网与计算机视觉的垃圾易受害点监测
计算机视觉与模式识别
2025-11-11 v1 机器学习
摘要
本文提出了一种智能方法，用于利用物联网技术（IoT）和计算机视觉（CV）监测城市地区垃圾易受害点（GVPs）上的非法倾倒垃圾。该系统可通过街道级摄像机和目标检测算法快速检测和监测倾倒的垃圾。数据来源于印度泰尔加纳州萨加雷德区。针对所提出的数据集，开展了一系列综合实验，以评估 various 目标检测模型的准确率和整体性能。具体而言，我们对YOLOv8、YOLOv10、YOLO11m和RT-DETR在该数据集上的表现进行深入评估。在这些模型中，YOLO11m在垃圾检测中实现了最高的92.39%准确率，显示其在检测垃圾方面的有效性。此外，它达到了0.91的mAP@50，凸显其高精度。这些发现确认，目标检测模型非常适合监控和跟踪GVP位置上的垃圾倾倒事件。此外，系统有效地捕获了包括小时、日和周趋势在内的垃圾处理模式，确保了全天候监测。
引用
@article{arxiv.2511.07325,
title = {Garbage Vulnerable Point Monitoring using IoT and Computer Vision},
author = {R. Kumar and A. Lall and S. Chaudhari and M. Kale and A. Vattem},
journal= {arXiv preprint arXiv:2511.07325},
year = {2025}
}