L'attività di smistamento dei rifiuti è un processo ripetitivo, logorante e spesso pericoloso, suscettibile a numerosi errori umani. L'intelligenza artificiale offre un potenziale significativo per automatizzare e migliorare questo lavoro. Il sistema in questione deve saper individuare gli oggetti estranei dal flusso di rifiuti su un nastro trasportatore. Questo richiede un dataset di coppie di immagini che raffigurano la stessa porzione di nastro prima e dopo l’eliminazione degli oggetti intrusi. Il dataset è stato raccolto da un sistema provvisorio e sperimentale trascurando alcune problematiche che hanno reso imperfetto il campionamento. Questo studio si occupa di formulare un algoritmo che sia in grado di filtrare il dataset per scartare le foto inconsistenti. Sono stati osservati diversi indici di similarità, alcuni ottenuti con le CNN, e attraverso l’analisi del PCA sono state individuate le misure più rilevanti. Sono state scelte poi le 4 misure più importanti per rappresentare le coppie di foto in una classificazione attraverso un algoritmo di apprendimento supervisionato, il Support Vector Machine (SVM), e un algoritmo di apprendimento non supervisionato, il Clustering, in particolare sono stati osservati il k-means, l’Agglomerative Clustering, lo Spectral Clustering e il Birch. Gli algoritmi sono stati testati e studiati con le loro molteplici configurazioni per ottenere il modello ottimo. Infine, i modelli sono stati provati con ulteriori dati per analizzare le loro performance a larga scala e metterli a confronto

Filtraggio e Pre-Processing di Dataset per lo Smistamento Automatico dei Rifiuti di Vetro

PONTELLO, LEONARDO
2022/2023

Abstract

L'attività di smistamento dei rifiuti è un processo ripetitivo, logorante e spesso pericoloso, suscettibile a numerosi errori umani. L'intelligenza artificiale offre un potenziale significativo per automatizzare e migliorare questo lavoro. Il sistema in questione deve saper individuare gli oggetti estranei dal flusso di rifiuti su un nastro trasportatore. Questo richiede un dataset di coppie di immagini che raffigurano la stessa porzione di nastro prima e dopo l’eliminazione degli oggetti intrusi. Il dataset è stato raccolto da un sistema provvisorio e sperimentale trascurando alcune problematiche che hanno reso imperfetto il campionamento. Questo studio si occupa di formulare un algoritmo che sia in grado di filtrare il dataset per scartare le foto inconsistenti. Sono stati osservati diversi indici di similarità, alcuni ottenuti con le CNN, e attraverso l’analisi del PCA sono state individuate le misure più rilevanti. Sono state scelte poi le 4 misure più importanti per rappresentare le coppie di foto in una classificazione attraverso un algoritmo di apprendimento supervisionato, il Support Vector Machine (SVM), e un algoritmo di apprendimento non supervisionato, il Clustering, in particolare sono stati osservati il k-means, l’Agglomerative Clustering, lo Spectral Clustering e il Birch. Gli algoritmi sono stati testati e studiati con le loro molteplici configurazioni per ottenere il modello ottimo. Infine, i modelli sono stati provati con ulteriori dati per analizzare le loro performance a larga scala e metterli a confronto
2022
Dataset Filtering and Pre-Processing for Automatic Glass Waste Sorting
Smistamento Rifiuti
Computer Vision
Datasets
Preparazione Dati
Filtraggio Dati
File in questo prodotto:
File Dimensione Formato  
Pontello_Leonardo.pdf

accesso aperto

Dimensione 1.6 MB
Formato Adobe PDF
1.6 MB Adobe PDF Visualizza/Apri

The text of this website © Università degli studi di Padova. Full Text are published under a non-exclusive license. Metadata are under a CC0 License

Utilizza questo identificativo per citare o creare un link a questo documento: https://hdl.handle.net/20.500.12608/57099