面向电子分选的 RGB-X 分类方法
计算机视觉与模式识别
2022-09-09 v1 机器人学
摘要
从废弃电气电子设备（WEEE）中有效拆解和回收材料，是将全球供应链从碳密集型、开采材料转向回收和可再生材料的关键一步。传统回收工艺依赖破碎和分选废物流，但对于由众多不同材料构成的 WEEE，我们探索对大量物体进行针对性拆解以改善材料回收。许多 WEEE 物体共享许多关键特征因而看起来十分相似，但其材料组成和内部部件布局可能不同，因此准确的分类器对于后续拆解步骤以实现精确材料分离与回收至关重要。本文提出 RGB-X，一种多模态图像分类方法，利用外部 RGB 图像的关键特征与 X 射线图像生成的特征相结合，以准确分类电子物体。更具体地，本文开发了迭代类激活映射（iCAM），一种新颖的网络架构，显式聚焦于多模态特征图中准确电子物体分类所需的精细细节。为训练分类器，电子物体缺乏大型且标注良好的 X 射线数据集，原因在于费用及需要专家指导。为克服此问题，我们提出一种利用应用于 X 射线领域的域随机化创建合成数据集的新方法。该 RGB-X 结合方法在 10 代现代智能手机上达到 98.6% 的准确率，高于其各自独立的 89.1%（RGB）和 97.9%（X 射线）准确率。我们提供了实验结果以佐证我们的结果。
引用
@article{arxiv.2209.03509,
title = {RGB-X Classification for Electronics Sorting},
author = {FNU Abhimanyu and Tejas Zodage and Umesh Thillaivasan and Xinyue Lai and Rahul Chakwate and Javier Santillan and Emma Oti and Ming Zhao and Ralph Boirum and Howie Choset and Matthew Travers},
journal= {arXiv preprint arXiv:2209.03509},
year = {2022}
}