합성곱 신경망을 통한 조도 변화에 따른 생활 폐기물 분류 (Classification of household waste according to illumination change through convolutional neural network)

서지정보

· 발행기관 : 한국디지털콘텐츠학회
· 수록지 정보 : 디지털콘텐츠학회논문지 / 23권 / 1호 / 75 ~ 81페이지
· 저자명 : 이광형, 박은지, 민정익

초록

편리한 성형이 가능한 플라스틱이 개발되고, 인간의 편리를 위해 생활폐기물의 양은 급증했다. 엄청난 양의 생활폐기물을 처리하기 위해 한국은 6조원에 달하는 예산을 투입한다. 폐기물 처리장에서 종사하는 작업자들의 건강 또한 위험하다. 본 논문에서는 이미지 처리에 뛰어난 성능을 보이는 합성곱 신경망을 사용하여 캔, 유리, 플라스틱, 페트병, 종이, 비닐을 분류하는 모델을 학습하고, 검증하였다. 폐기물 처리장의 조도가 일정치 않기 때문에, PIL의 ImageEnhance 클래스를 사용해 밝기 인자를 변경한 학습 데이터를 학습하고, 모든 조도를 포함하는 검증 데이터로 성능을 확인하였다. 범주별로 조도에 따른 분류에 차이를 보였으며, 대체로 밝기 인자를 1.1로 설정한 모델이 검증 정확도 60.1%로 가장 좋은 성능을 보였다.

영어초록

Plastic capable of convenient molding has been developed, and the amount of household waste has soared for human convenience. To dispose of huge amounts of household waste, Korea spends a budget of 6 trillion won. The health of workers in the waste disposal plant is also dangerous. In this paper, learning to classify cans, glass, plastic, plastic bottles, paper, and vinyl was conducted and verified using a convolutional neural network with excellent performance in image processing. Since the illuminance of the waste treatment plant is not constant, we learned the learning data that changed the brightness factor using the ImageEnhance class of PIL, and checked the performance with verification data including all illuminance. There was a difference in classification according to illuminance by category, and in general, the model with the brightness factor set to 1.1 showed the best performance with a verification accuracy of 60.1%.

참고자료

· 없음