| نوع مدرک: | متون چاپی |
| سرشناسه | طهماسیان ، آرائیک، نویسنده |
| شماره بازیابی : | COM soft 75 1402 |
| عنوان : | تشخیص خودکار مواد بازیافتی با استفاده از مدل یاد گیری عمیق |
| عنوان موازی : | Automatic Waste Detection using Deep Neural Network |
| ناشر: | دانشگاه شهید اشرفی اصفهانی: اصفهان |
| سال نشر : | 1402 |
| صفحه شمار: | 74ص |
| شابک/شاپا | 25544 |
| یادداشت | پایان نامه کارشناسی ارشد: در رشته مهندسی کامپیوتر گرایش نرم افزار |
| شناسه افزوده : | نصر اصفهانی ، ابراهیم، استاد راهنما یراقی ، شکوفه، استاد مشاور |
| توصیفگرها | تفکیک زباله، تشخیص شئ، شبکه عصبی کانولوشن، الگوریتم YOLO Waste Management, Object Detection, Convolution Neural Network, , YOLO Algorithm |
| چکیده : | زباله، به عنوان یک چالش گسترده با پیامدهای زیست‌محیطی، اجتماعی و اقتصادی، در اشکال مختلف بر جوامع تأثیر می‌گذارد. مدیریت نادرست زباله می‌تواند به عنوان عامل اصلی تخریب محیط‌زیست ظاهر شود، زیرا مکان‌های دفن زباله باعث آلودگی خاک و آب، تهدید اکوسیستم‌ها و سلامت انسان‌ها می‌شوند. آسیب‌های از زباله، به ویژه پلاستیک در اقیانوس‌ها، به حیات دریایی آسیب می‌زند و گازهای گلخانه‌ای ناشی از تجزیه زباله‌های آلی، تغییرات آب و هوایی را تشدید می‌کند. مدیریت هوشمند زباله با استفاده از فناوری‌های یادگیری عمیق و بینایی رایانه‌ای، عملیات مرتب‌سازی و بازیافت را بهبود می‌بخشد و به کاهش زباله‌ها و استفاده پایدار از منابع کمک می‌کند. یکی از الگوریتم های تشخیص اشیاء الگوریتم YOLO است که با سرعت و دقت بالا می تواند به صورت بلادرنگ اشیاء را تشخیص دهد. مدل پیشنهادی در این تحقیق نسخه YOLOv8 از این الگوریتم است و این مدل بر روی مجموعه داده WaRP آموزش داده شده است که شامل 28 نوع کلاس برای انواع مواد بازیافتی است. نتایج بدست آمده مدل دقت 0.719، فراخوانی 0.614، میانگین دقت متوسط50 0.64 و میانگین دقت متوسط95-50 0.53 می باشد |
| لینک ثابت رکورد: | ../opac/index.php?lvl=record_display&id=14381 |
| زبان مدرک : | فارسی |
