Search results

“© © 2019 IEEE. Personal use of this material is permitted. Permission from IEEE must be obtained for all other uses, in any current or future media, including reprinting/republishing this material for advertising or promotional purposes, creating new collective works, for resale or redistribution to servers or lists, or reuse of any copyrighted component of this work in other works.”

This work is a part of an ongoing study to substitute the identification of waste containers via radio-frequency identification. The purpose of this paper is to propose a method of identification based on computer vision that performs detection using images, video, or real-time video capture to identify different types of waste containers. Compared to the current method of identification, this approach is more agile and does not require as many resources. Two approaches are employed, one using feature detectors/descriptors and other using convolutional neural networks. The former used a vector of locally aggregated descriptors (VLAD); however, it failed to accomplish what was desired. The latter used you only look once (YOLO), a convolutional neural network, and reached an accuracy in the range of 90%, meaning that it correctly identified and classified 90% of the pictures used on the test set.

This paper presents a new approach to help redesigning waste management for the cities of the future. The current state of tracking waste containers is rigid, inefficient and hard to oversee. Although attempts have been made in the past using radio-frequency identification for waste container detection, it has shown problems like flexibility, cost and environmental impact. We propose and demonstrate a solution based on the use of computer vision techniques, for object detection and classification, towards the differentiation between different types of waste containers.

Este artigo apresenta o desenho e implementação de um protótipo fun- cional para avaliar e validar a utilização de técnicas de visão computacional, na identificação de contentores de resíduos no contexto de uma cidade inteligente. Este protótipo recorre à utilização de uma rede neuronal convolucional YOLO e de um microcomputador Jetson Nano da Nvidia. Comparativamente ao método atual de identificação de contentores de resíduos por radiofrequência, esta abor- dagem é mais ágil e diminui os recursos necessários para implementação, contri- buindo para poupar nos gastos logísticos e de implementação da gestão inteli- gente de resíduos.

O trabalho apresentado resulta de uma investigação preliminar que visa a utilização de técnicas de visão computacional para substituir o método atual de identificação de contentores de resíduos via identificação por radiofrequência. Comparativamente ao método atual, esta abordagem é mais ágil e diminui os recursos necessários para implementação. A abordagem aqui discutida é centrada no uso de redes neuronais convolucionais, mais especificamente a rede YOLO.

Este trabalho apresenta o desenho e implementação de um protótipo funcional para avaliar e validar a utilização de técnicas de visão computacional, na identificação de contentores de resíduos no contexto de uma cidade inteli- gente. Este protótipo recorre à utilização de uma rede neuronal convolucional YOLO e de um microcomputador Jetson Nano da Nvidia. Comparativamente ao método atual de identificação de contentores de resíduos por radiofrequência, esta abordagem é mais ágil e diminui os recursos necessários para implementa- ção, contribuindo para poupar nos gastos logísticos e de implementação da gestão inteligente de resíduos.