Günümüzde insan sayısındaki artış, sanayi ve teknolojideki ilerlemeler, üretimin hızlanmasıyla birlikte ortaya çıkan atıkların sayısında da artışa neden olmaktadır. Bu atıkların daha kolay tespit edilmesi ve geri dönüştürülmesi ülkemizin ve dünyanın geleceği için önem arz etmektedir. Atıkların geri dönüşümü sürecinde, atıkların toplanması kadar sınıflandırılması da maliyetli enerji ve insan gücü gerektirmektedir. Atıklar temel olarak kağıt, plastik, cam ve metal olarak ayrıştırılmaktadır. Yapay zeka, derin öğrenme ve görüntü işleme gibi teknolojiler ile bu süreçlerin daha kısa ve kolay bir şekilde tamamlanması için çeşitli çalışmalar yapılmıştır. Bu çalışmada, çevrede yaygın olarak bulunan kağıt, plastik ve yiyecek-içecek atıklarından oluşan bir veri kümesi oluşturulmuştur. Bu veri kümesinde kağıt bardaklar, plastik su şişeleri ve fast food atıkları doğada farklı lokasyonlardan tespit edilerek fotoğraflanmıştır. Bu görüntüler etiketlenerek derin öğrenme algoritmalarında YoloV3 ile eğitilmiş ve test edilmiştir. Ayrıca yeni veri kümesinin performansını karşılaştırmak amacıyla literatürde kullanılan global bir veri kümesi üzerinde çalışmalar yapılmıştır. Çalışmalar sonucunda yeni oluşturulan veri kümesinin ve global veri kümesinin sınıflandırılmasında başarılı olduğu gözlemlenmiştir.
Today, the increase in the number of people, advances in industry and technology cause an increase in the number of wastes generated with the acceleration of production. It is important for the future of our country and the world that these wastes are more easily identified and recycled. In the process of recycling wastes, the classification of wastes as well as their collection requires costly energy and manpower. Wastes are basically separated into paper, plastic, glass and metal. Various studies have been carried out to complete these processes in a shorter and easier way with technologies such as artificial intelligence, deep learning and image processing. In this study, a dataset of paper, plastic and food and beverage wastes that are common in the environment was created. In this dataset, paper cups, plastic water bottles and fast food wastes were detected from different locations in nature and photographed. These images were labeled and trained and tested with YoloV3 in deep learning algorithms. In addition, in order to compare the performance of the new dataset, studies were conducted on a global dataset used in the literature. As a result of the studies, it was observed that it was successful in classifying the newly created dataset and the global dataset.
Primary Language | English |
---|---|
Subjects | Artificial Intelligence (Other) |
Journal Section | Research Articles |
Authors | |
Publication Date | December 24, 2023 |
Submission Date | November 13, 2023 |
Acceptance Date | December 8, 2023 |
Published in Issue | Year 2023 Volume: 4 Issue: 2 |