Исследователи предложили новый подход к автоматизации сортировки бытовых отходов, объединяющий методы машинного обучения с участием человека (Human-in-the-Loop). Использование стратегий классификации One-Vs-All и One-Vs-Rest с механизмом оценки уверенности модели позволяет значительно снизить количество ошибок при идентификации мусора, что критически важно для соблюдения строгих экологических норм и развития экономики замкнутого цикла в европейских муниципалитетах.
Проблема правильной утилизации отходов в Германии остается актуальной из-за сложности региональных регламентов, которые часто сбивают с толку жителей. Автоматизированные системы, основанные на компьютерном зрении, сталкиваются с трудностями при классификации схожих по внешнему виду материалов. Предложенная методика позволяет системе передавать спорные случаи на проверку человеку, что повышает общую точность классификации и минимизирует объем некорректно отсортированного мусора.
Внедрение подобных систем в инфраструктуру обращения с отходами способствует более эффективной переработке ресурсов. Алгоритмы, использующие уверенность модели как триггер для вмешательства оператора, позволяют масштабировать процесс сортировки без потери качества, обеспечивая соответствие жестким стандартам экологической безопасности и упрощая повседневную сортировку для конечных потребителей.
Ключевые факты
- Исследование сфокусировано на сравнении стратегий классификации One-Vs-All и One-Vs-Rest в задачах компьютерного зрения для сортировки мусора.
- Внедрена архитектура Human-in-the-Loop, где модель запрашивает верификацию человеком при низком уровне уверенности в результате.
- Метод направлен на решение проблемы сложности муниципальных регламентов по утилизации отходов в Германии.
- Использование ИИ-систем с контролем качества позволяет снизить процент ошибок, препятствующих эффективной переработке материалов в рамках экономики замкнутого цикла.