ساخت مدل های تک برچسبی و چندبرچسبی تفکیک هوشمند پسماند در هشت طبقه با استفاده از یادگیری عمیق و روش انتقال یادگیری

چکیده مقاله

امروزه با رشد سریع تکنولوژی، به خصوص یادگیری عمیق، اهمیت به کارگیری روش های نوین بیش از پیش آشکار شده است مسائل محیط زیستی همچون مدیریت پسماند نیز نیازمند رویکردهای جدید و هوشمند است تا باعث کاهش هزینه ها، تسریع در انجام امور، جلوگیری از خطای انسانی و شود طبقه بندی پسماند، به عنوان یکی از جنبه های اساسی و مهم در مدیریت و بازیافت پسماند، محور اصلی این پژوهش است در این پژوهش با آموزش دو مدل یادگیری عمیق بر روی تصاویر مجموعه ی Realwaste که حدود ۴۲۰۰ تصویر از دسته های پسماندهای فلزی، پسماندهای شیشه ای، پسماندهای کاغذی، پسماندهای مقوایی، پسماندهای آلی غذایی، پسماندهای پلاستیکی، پسماندهای گیاهی و پسماندهای نساجی/پارچه ای هستند، در مسیر تفکیک هوشمند پسماند گام برداشته شده است مدل های حاصل از این پژوهش تک برچسبی و چندبرچسبی هستند مدل پایه از معماری EfficientNetB۰ مدل معرفی شده توسط شرکت Google بهره گرفته است اما با روش انتقال یادگیری، متناسب با مسئله ی خاص این پژوهش، بازطراحی و آموزش داده شده است نتایج نشان دادند هر دو مدل در تفکیک هوشمند تصاویر پسماند از دقت خوبی برخوردار هستند اما مدل چندبرچسبی درمجموع، دقت و کارایی بهتری نسبت به مدل تک برچسبی دارد

کلیدواژه‌ها

نویسندگان

بهنام امینی زاده

دانشجوی کارشناسی ارشد، گروه مهندسی سیستم های محیط زیست، دانشکده تحصیلات تکمیلی محیط زیست، دانشگاه تهران، تهران

زینب جهانگیری

دانشجوی کارشناسی ارشد، گروه مهندسی سیستم های محیط زیست، دانشکده تحصیلات تکمیلی محیط زیست، دانشگاه تهران، تهران

�مینی زاده، بهنام و جهانگیری، زینب،1404،ساخت مدل های تک برچسبی و چندبرچسبی تفکیک هوشمند پسماند در هشت طبقه با استفاده از یادگیری عمیق و روش انتقال یادگیری،دومین کنفرانس ملی آینده و پایداری محیط زیست،جلفا

ارائه‌شده در

مجموعه مقالات دومین کنفرانس ملی آینده و پایداری محیط زیست4 آذر 1404 · جلفا