İklim değişikliği ve küresel ısınmanın sonuçlarından biri aşırı kaynak tüketiminden kaynaklanmaktadır. Küresel ısınmayı yavaşlatmak ve enerji tasarrufunu arttırmak için atık yönetimi çerçevesinde geri dönüşümün yaygın olarak uygulanması gerekmektedir. Atık yönetimi ve geri dönüşüm yalnızca çevresel açıdan avantajlı olmakla kalmaz, aynı zamanda sürdürülebilir bir ekonomi için de büyük önem taşır. İnsan çalışanlar yerine akıllı sistemleri tercih etmek, insanların refahı yüksek ortamlarında çalışmasını sağlamak sosyal açıdan önemli bir adımdır. Akıllı atık yönetimi yaklaşımları önemli bir araştırma alanıdır.
🍎 Demo ve tüm detaylar için tıklayınız.
🎥 Sunumun videosuna buradan izleyebilirsiniz.
Bu çalışma M. Ayyüce Kızrak (T.C. CB Dijital Dönüşüm Ofisi / Bahçeşehir Üniversitesi), Yavuz Kömeçoğlu (Kodiks Bilişim) tarafından gerçekleştirilmiştir.
Veri KümesiTrashNet: Kod (yalnızca evrimsel sinir ağı için) ve kullandığımız veri kümesi ve Mindy Yang'ın Stanford Üniversitesi'nin CS 229: Makine Öğrenimi dersi için dönem sonu projesi.
Orijinal adresten dataset-resized.zip isimli veri kümesini indirip, datasets/dataset-resized/ altına kopyalayınız.
Veri kümesini indirdikten sonra eğitime hazır hale getirmek için, scripts/split-train-test-val.py veri kümesini ayırma scriptini aşağıdaki şekilde çalıştırarak <train/test/val> olarak ayrabilirsiniz.
python3 split-train-test-val.py --testRatio 0.17 --valRatio 0.13 ../datasets/dataset-resized
Veri kümesini bölme işlemi sonucunda train/test/val sayıları aşağıdaki gibidir.
- Training set: 1770
- Test set: 429
- Validation set: 328
Eğitim için Google Colab Not Defteri
Kestirim için Google Colab Not Defteri
Açıklanabilirlik için Google Colab Not Defteri
-
RecycleNet: Intelligent Waste Sorting Using Deep Neural Networks
-
Classification of Recyclable Materials Using Efficient Deep Learning Models and Benchmarking of GPU Performance (Kabul Edildi)
- Williams, P. T., Waste Treatment and Disposal, John Wiley & Sons, (2005).
- Palmer, J. A., Environmental Thinking in the Early Years: Understanding and Misunderstanding of Concepts Related to Waste Management, Environmental Education Research, Vol. 1, no. 1, (1995), 35–45.
- Amick, D. S., Reflection on the Origins of Recycling: a Paleolithic Perspective, Lithic Technology, Vol. 39, no. 1, (2014), 64–69.
- Davidson Cummings L., Voluntary Strategies in the Environmental Improvement: Recycling as Cooptation, Journal of Voluntary Action Research, Vol. 6, no. 3-4, (1977), 153–160.
- Alvarez-Ch ́avez, C. R., Edwards, S., Moure-Eraso, R., and Geiser, K., Sustainability of Bio-Based Plastics: General Comparative Analysis and Recommendations for Improvement, Journal of Cleaner Production, Vol. 23, no. 1, (2012), 47–56.
- Liu, C., Sharan, L., Adelson, E. H., and Rosenholtz, R., Exploring Features in a Bayesian Framework for Material Recognition, in Computer Vision and Pattern Recognition (CVPR), Conference on.IEEE, (2010), 239–246.
- Yang, M., and Thung, G., Classification of Trash for Recyclability Status, arXiv preprint, (2016).
- Thung, G., Trashnet, GitHub repository, (2016).
- Özkaya, U., and Seyfi, L., Fine-Tuning Models Comparisons on Garbage Classification for Recyclability, 2nd International Symposium on Innovative Approaches in Scientific Studies, (2019)
- Seredkin, A. V., Tokarev, M. P., Plohih, A., Gobyzov, O. A., and Markovich, D. M., Development of a Method of Detection and Classification of Waste Objects on a Conveyor for a Robotic Sorting System, Journal of Physics: Conference Series, Vol. 1359, (2019).
- Vo, A. H., Son, L., H., Vo, M. T., Le, T., A Novel Framework for Trash Classification Using Deep Transfer Learning, IEEE Access, Vol. 7, (2019).