دانلود مقاله انگلیسی رایگان:PortiK: یک راه حل مبتنی بر بینایی کامپیوتری برای شناسایی خودکار زباله جامد در زمان واقعی - کاربرد در جریان آلومینیوم - 2022
دانلود بهترین مقالات isi همراه با ترجمه فارسی 2
دانلود مقاله انگلیسی بینایی ماشین رایگان
  • PortiK: A computer vision based solution for real-time automatic solid waste characterization – Application to an aluminium stream PortiK: A computer vision based solution for real-time automatic solid waste characterization – Application to an aluminium stream
    PortiK: A computer vision based solution for real-time automatic solid waste characterization – Application to an aluminium stream

    دسته بندی:

    بینایی ماشین - Machine vision


    سال انتشار:

    2022


    عنوان انگلیسی مقاله:

    PortiK: A computer vision based solution for real-time automatic solid waste characterization – Application to an aluminium stream


    ترجمه فارسی عنوان مقاله:

    PortiK: یک راه حل مبتنی بر بینایی کامپیوتری برای شناسایی خودکار زباله جامد در زمان واقعی - کاربرد در جریان آلومینیوم


    منبع:

    ScienceDirect- Elsevier- Waste Management, 150 (2022) 267-279: doi:10:1016/j:wasman:2022:05:021


    نویسنده:

    Remi Cuingnet


    چکیده انگلیسی:

    In Material Recovery Facilities (MRFs), recyclable municipal solid waste is turned into a precious commodity. However, effective recycling relies on effective waste sorting, which is still a challenge to sustainable develop- ment of our society. To help the operations improve and optimise their process, this paper describes PortiK, a solution for automatic waste analysis. Based on image analysis and object recognition, it allows for continuous, real-time, non-intrusive measurements of mass composition of waste streams. The end-to-end solution is detailed with all the steps necessary for the system to operate, from hardware specifications and data collection to su- pervisory information obtained by deep learning and statistical analysis. The overall system was tested and validated in an operational environment in a material recovery facility. PortiK monitored an aluminium can stream to estimate its purity. Aluminium cans were detected with 91.2% precision and 90.3% recall, respectively, resulting in an underestimation of the number of cans by less than 1%. Regarding contaminants (i.e. other types of waste), precision and recall were 80.2% and 78.4%, respectively, giving an 2.2% underestimation. Based on five sample analyses where pieces of waste were counted and weighed per batch, the detection results were used to estimate purity and its confidence level. The estimation error was calculated to be within ±7% after 5 minutes of monitoring and ±5% after 8 hours. These results have demon- strated the feasibility and the relevance of the proposed solution for online quality control of aluminium can stream.
    keywords: امکانات بازیابی مواد | شناسایی مواد زائد جامد | یادگیری عمیق | شبکه عصبی عمیق | بینایی کامپیوتر | Material recovery facilities | MRF | Solid waste characterization | Deep-learning | Deep neural network | Computer vision


    سطح: متوسط
    تعداد صفحات فایل pdf انگلیسی: 13
    حجم فایل: 7163 کیلوبایت

    قیمت: رایگان


    توضیحات اضافی:




اگر این مقاله را پسندیدید آن را در شبکه های اجتماعی به اشتراک بگذارید (برای به اشتراک گذاری بر روی ایکن های زیر کلیک کنید)

تعداد نظرات : 0

الزامی
الزامی
الزامی
rss مقالات ترجمه شده rss مقالات انگلیسی rss کتاب های انگلیسی rss مقالات آموزشی
logo-samandehi
بازدید امروز: 634 :::::::: بازدید دیروز: 9785 :::::::: بازدید کل: 24552 :::::::: افراد آنلاین: 4