基于深度学习的塑料垃圾分类：来自 WaDaBa 数据集的洞见
计算机视觉与模式识别
2024-12-31 v1
摘要
随着塑料的广泛使用，管理塑料垃圾的挑战日益加剧，凸显了对有效分类和回收解决方案的需求。本研究探讨了深度学习的潜力，专注于卷积神经网络（CNNs）和类似 YOLO（You Only Look Once）的对象检测模型，以解决这一问题，同时采用 WaDaBa 数据集。研究结果显示，YOLO-11m 实现了最高的准确率（98.03%）和 mAP50（0.990），YOLO-11n 性能相似但最高 mAP50（0.992）。轻量级模型如 YOLO-10n 训练速度更快，但准确率较低；而 MobileNet V2 显示出惊人的性能（97.12% 的准确率），但在对象检测方面不足。本研究突显了深度学习模型在塑料垃圾分类中的潜力，YOLO 模型被证明是最有效的。通过在准确率和计算效率之间进行平衡，这些模型有助于创建可扩展且具有影响力的垃圾管理和回收解决方案。
关键词
引用
@article{arxiv.2412.20232,
title = {Plastic Waste Classification Using Deep Learning: Insights from the WaDaBa Dataset},
author = {Suman Kunwar and Banji Raphael Owabumoye and Abayomi Simeon Alade},
journal= {arXiv preprint arXiv:2412.20232},
year = {2024}
}
备注
18 pages, 12 figures