Derin Öğrenme ile Çevresel Atıkların Sınıflandırılmasına Dayalı Akıllı Çöp Konteyneri Tasarımı ve Prototipinin Geliştirilmesi
Abstract
Günümüzde dünya nüfusunun artışıyla birlikte kentlerde ve sanayide yüksek oranda doğal kaynak kullanılmaktadır. Bu kaynak kullanımı, beraberinde tonlarca çevresel atığın oluşmasına neden olmaktadır. Bu kirlilik, gelecek nesiller için sürdürülebilir dünyanın varlığı konusunda ciddi tehdit oluşturmaktadır. Günümüz teknolojisiyle çevresel atıkların yönetimi için derin öğrenme ve görüntü işleme tabanlı çözümleri geliştirmek mümkündür. Bu çalışmada çevresel atıklardan geri dönüşümü mümkün olanların (kağıt, plastik, metal ve cam) yerinde ve otomatik bir şekilde sınıflandırılması ve ayrıştırılması için görüntü işleme ve Raspberry Pi tabanlı akıllı çöp konteyneri prototipi gerçekleştirilmiştir. Akıllı çöp konteynerine bırakılan bir atık; i- hareket algılama sensörüyle fark edilmekte, ii- atığın fotoğrafı çekilmekte, iii- çekilen fotoğraf derin öğrenmeyle sınıflandırılmakta, iv- atığın sınıfı belirlendikten sonra adım motoru yardımıyla çöp konteynerin içindeki ilgili bölüme taşımaktadır. Bu yönüyle insan müdahalesi olamadan dönüştürülebilen çevresel atıklar yerinde ve otomatik bir şekilde ayrıştırılmaktadır. Akıllı çöp konteyneri, çevresel atıkların geri dönüşüme kazandırılması ve yönetilmesi sürecini hem maliyet hem de insan iş gücü açısından iyileştirme potansiyeline sahiptir.
Keywords
Çevresel Atıkların Sınıflandırılması, Derin Öğrenme, Raspberry Pi, Görüntü İşleme
Supporting Institution
TUBITAK
Project Number
1919B012302200
Thanks
This study was supported by TUBITAK with the project number 1919B012302200.
References
- Bobulski J, Kubanek M. Deep learning for plastic waste classification system. Applied Computational Intelligence and Soft Computing 2021;2021(1):6626948.
- Varol Varol S, Hark C, Kızıloluk S. Geri dönüştürülebilir atıkların sınıflandırılması. In: 6th International Artificial Intelligence & Data Processing Symposium, Malatya, Turkiye; 2022.
- Yıldız EN, Bingöl H, Yıldırım M. Önerilen derin öğrenme ve makine öğrenmesi tabanlı hibrit model ile çevresel atıkların sınıflandırılması. Fırat Üniversitesi Mühendislik Bilimleri Dergisi 2023;35(1):353-361.
- Sağlam A, Taş M, Baykan N. Geri dönüştürülebilir atıkların materyallerine göre sınıflandırılması için raspberry pi tabanlı donanım geliştirilmesi. Avrupa Bilim ve Teknoloji Dergisi 2020;30-38.
- Ahmed MIB, Alotaibi RB, Al-Qahtani RA, Al-Qahtani RS, Al-Hetela SS, Al-Matar KA, Al-Saqer NK, Rahman A, Saraireh L, Youldash M, Krishnasamy G. Deep learning approach to recyclable products classification: towards sustainable waste management. Sustainability 2023;15(14):11138.
- Tatke A, Patil M, Khot A, Karad’s PJV. Hybrid approach of garbage classification using computer vision and deep learning. International Journal of Engineering Applied Sciences and Technology 2021;5(10):208-213.
- Alsubaei FS, Al-Wesabi FN, Hilal AM. Deep learning-based small object detection and classification model for garbage waste management in smart cities and iot environment. Applied Sciences 2022;12(5):2281.
- Kang Z, Yang J, Li G, Zhang Z. An automatic garbage classification system based on deep learning. IEEE Access 2020;8:140019-140029.
- Sürücü S, Ecemiş İN. Garbage classification using pre-trained models. European Journal of Science and Technology 2022;(36):73-77.
- Keskin S, Sevli O, Okatan E. Comparative analysis of the classification of recyclable wastes. Journal of Scientific Reports-A 2023;(055):70-79.