Детальная информация

Данная работа посвящена исследованию автоматизации сортировки отходов на основе методов машинного обучения, с акцентом на анализ влияния предобработки изображений алгоритмом CLAHE на качество детекции и классификации объектов. Задачи, которые решались в ходе исследования: 1) Изучение особенностей классификации отходов и методов их сортировки и переработки; 2) Изучение видов и сфер применения нейронных сетей; 3) Обучение моделей на изображениях с применением алгоритма CLAHE с различными параметрами; В результате были обучены и протестированы различные конфигурации модели YOLO, с предобработкой изображений алгоритмом CLAHE. Проведен сравнительный анализ эффективности моделей по ключевым показателям. В результате анализа было установлено, что предобработка изображений может положительно повлиять на результаты работы модели. Для достижения данных результатов в работе были использованы следующие информационные технологии, в том числе PyTorch, ultralytics YOLO, средства обработки данных (pandas, numpy), сервис Kaggle. Также для обучения был использован датасет изображений TACO.

This work is devoted to the studying of waste sorting automation using machine learning methods, focused on analyzing the impact of image preprocessing using CLAHE algorithm on the quality of object classification and detection. The research sets the following goals: 1) Studying the specifics of waste classification and its sorting and recycling methods. 2) Exploring the types of neural networks and their applications. 3) Training models on preprocessed images using CLAHE algorithm with different parameters. Training and testing various configurations of the YOLO model with CLAHE-based image preprocessing. A comparative analysis of model performance was conducted using metrics. The study revealed that image preprocessing can positively influence model performance. To achieve these results, the following technologies were used: PyTorch, Ultralytics YOLO, data processing tools (pandas, NumPy), and the Kaggle platform. The TACO image dataset was used for model training.