Enhancing computer image recognition with improved image algorithms

Scientific Reports, Год журнала: 2024, Номер 14(1)

Опубликована: Июнь 14, 2024

Abstract Advances in computer image recognition have significantly impacted many industries, including healthcare, security and autonomous systems. This paper aims to explore the potential of improving algorithms enhance recognition. Specifically, we will focus on regression methods as a means improve accuracy efficiency identifying images. In this study, analyze various techniques their applications recognition, well resulting performance improvements through detailed examples data analysis. deals with problems related visual processing outdoor unstructured environment. Finally, heterogeneous patterns are converted into same pattern, extracted from fusion features modes. The simulation results show that perception ability complex environment improved.

Язык: Английский

---

YOLO-VG: an efficient real-time recyclable waste detection network

Journal of Real-Time Image Processing, Год журнала: 2025, Номер 22(2)

Опубликована: Март 11, 2025

Язык: Английский

---

Design and Simulation of a Production Line for Plastic Recycling with Additive Manufacturing

Procedia Computer Science, Год журнала: 2025, Номер 253, С. 561 - 570

Опубликована: Янв. 1, 2025

Язык: Английский

---

Selective hydrophilization based on alkaline-catalyzed alcoholysis: An approach to enhance the flotation of waste polyesters

Separation and Purification Technology, Год журнала: 2024, Номер unknown, С. 129803 - 129803

Опубликована: Сен. 1, 2024

Язык: Английский

---

Transfer Öğrenme Kullanılarak Geri Dönüşüm Atıklarının Sınıflandırılması

Ömer Halisdemir Üniversitesi Mühendislik Bilimleri Dergisi, Год журнала: 2024, Номер unknown

Опубликована: Окт. 24, 2024

Günümüzde artan sanayileşme ve nüfus, atık sayısının artması sebep olmuştur. Bununla birlikte atıkların yönetilebilirliği zorlaşmıştır. Dolayısıyla yönetimi geri dönüşüm süreçleri büyük bir önem kazanmaktadır. Fakat, hızla nüfus tespit sürelerinin artmasına zorlaşmasına olmaktadır. Geliştirilmiş nesne sistemleri; doğru şekilde sınıflandırılmasını, süreçlerinin verimliliğini artırılmasına çevreye olan olumsuz etkileri azaltılmasında önemli rol oynamaktadır. Bu çalışmada, dönüşümlü tespiti için transfer öğrenme temelli YOLOv8 kullanılmıştır. YOLO yönteminin başarısının değerlendirmek YOLOv8n, YOLOv8s, YOLOv8m, YOLOv8l, YOLOv8x RT-DETR modelleri Gerçekleştirilen deneysel sonuçlarda en etkin modelin YOLOv8n olduğu gözlenmiştir. Ayrıca, önerilen modelde görüntüsü, video veya web kamerası kullanılarak gerçek zamanlı olarak sınıflandırılma gerçekleştirilmiştir. Modelleme 25 farklı veri tabanlarından 7963 görüntü Eğitilmiş model ile dönüşümü hedeflenen sıklıkla kullanılan Batarya, Şişe Kapağı, Karton, Çöp Poşeti, Cam Şişe, Plastik Poşet, Teneke nesneleri edilebilmektedir. Geliştirilen nesnelerini %86.6 ortalama doğruluk oranı (mAP) hızlı etme yeteneğine sahip sistem geliştirilmiştir.

---

Data-centric approach for instance segmentation in optical waste sorting

Waste Management, Год журнала: 2024, Номер 191, С. 70 - 80

Опубликована: Ноя. 7, 2024

Язык: Английский

---

Artificial intelligence in plastic recycling and conversion: A review

Resources Conservation and Recycling, Год журнала: 2024, Номер 215, С. 108090 - 108090

Опубликована: Дек. 18, 2024

Язык: Английский

---