############################ tekst skopiowany z załączonego pliku pdf, który zawiera też ilustracje ############################

Trash Detection

1. Opis rzeczywistego problemu Temat: Automatyzacja wstępnej segregacji odpadów komunalnych w oparciu o wizyjne systemy detekcji. Implementacja systemu tego typu pozwala na zastąpienie ludzi maszynami w pracy która nie jest zbyt atrakcyjna. Cel (Efekt): Stworzenie modelu, który jest w stanie w czasie rzeczywistym zidentyfikować i zlokalizować odpady na obrazie wizyjnym, klasyfikując je do jednej z pięciu frakcji recyklingowych: Metal, Plastik, Szkło, Papier oraz Bio. Motywacja: Ręczne sortowanie odpadów jest procesem nieefektywnym, kosztownym i obarczonym błędami ludzkimi oraz ryzykiem sanitarnym. Wprowadzenie automatyzacji opartej na wizji komputerowej pozwala na zwiększenie przepustowości linii sortowniczych oraz poprawę czystości odzyskanego surowca, co jest kluczowe w obliczu rosnących wymogów prawnych UE dotyczących poziomów recyklingu. Jest to realizacja konkretnego, rzeczywistego problemu optymalizacji procesu przemysłowego. Dane wejściowe: Obrazy cyfrowe (klatki wideo) przedstawiające odpady w różnym stopniu zniekształcenia (zgniecenia, zabrudzenia). Mierzone będą: lokalizacja obiektu (współrzędne ramki) oraz pewność predykcji klasy. Powiązanie z AI: Projekt dotyczy zagadnień Computer Vision (widzenie komputerowe), a w szczególności zadania Object Detection (detekcja obiektów), łączącego lokalizację z klasyfikacją.

2. State of the art (Przegląd znanych koncepcji) W literaturze przedmiotu wyróżnia się trzy główne podejścia do problemu detekcji obiektów, różniące się architekturą i balansem między szybkością a precyzją: Metody klasyczne (Sliding Window + HOG + SVM): Opis: Podejście bazujące na przesuwaniu okna po obrazie, ekstrakcji cech za pomocą histogramu zorientowanych gradientów (HOG) i klasyfikacji maszyną wektorów nośnych (SVM). Mocne strony: Działa na słabszym sprzęcie, nie wymaga GPU, wytłumaczalność matematyczna. Słabe strony: Bardzo niska skuteczność przy obiektach zdeformowanych (zgniecione puszki), brak odporności na zmiany oświetlenia, powolne działanie przy dużej rozdzielczości. Detektory dwustadialne (Two-stage detectors, np. Faster R-CNN): Opis: Sieci neuronowe, które najpierw generują propozycje regionów (Region Proposal Network), a dopiero potem klasyfikują zawartość każdego regionu. Mocne strony: Bardzo wysoka precyzja (mAP) i dokładność w lokalizacji małych obiektów. Słabe strony: Wysoka złożoność obliczeniowa i niska prędkość (często poniżej 5-10 FPS), co dyskwalifikuje je w zastosowaniach na szybkich taśmach sortowniczych. Detektory jednostadialne (One-stage detectors, np. rodzina YOLO - You Only Look Once): Opis: Traktują detekcję jako problem regresji, przewidując ramki i prawdopodobieństwa klas dla całego obrazu w jednym przejściu sieci przez koder i dekoder. Mocne strony: Praca w czasie rzeczywistym (Real-time), łatwa implementacja na urządzeniach brzegowych (np. Jetson Nano), dobry balans między szybkością a precyzją. Słabe strony: Historycznie gorsze radzenie sobie z małymi obiektami w grupach (choć nowsze wersje jak v8/v11 niwelują ten problem).

3. Opis wybranej koncepcji Jako rozwiązanie wybrano architekturę YOLOv8 (You Only Look Once version 8), należącą do grupy detektorów jednostadialnych. Dane i Inżynieria Cech: Do wytrenowania modelu wykorzystano publicznie dostępny zbiór ProjectVerba (Roboflow Universe). Preprocessing: Oryginalny zbiór zawierał 42 klasy o skrajnym niezbalansowaniu (np. dominacja aluminium nad elektroniką). W ramach projektu przeprowadzono agregację klas (remapping) do 5 głównych frakcji sortowniczych (Metal, Plastik, Szkło, Papier, Bio), usuwając klasy niereprezentatywne (<50 próbek), co jest kluczowe dla stabilności treningu. Dostępność: Dane są publiczne, jednak wymagały autorskiego skryptu czyszczącego i mapującego etykiety. Wyjście algorytmu: Algorytm zwraca listę wykrytych obiektów, gdzie każdy obiekt opisany jest wektorem: [xcenter, ycenter, width, height, classid, confidence] Wizualnie jest to ramka otaczająca odpad z etykietą frakcji. Metoda działania: YOLOv8 wykorzystuje głęboką splotową sieć neuronową (CNN). Obraz jest dzielony na siatkę (grid), a sieć predykuje ramki graniczne (bounding boxes) względem ustalonych kotwic (anchors) oraz prawdopodobieństwo przynależności do klasy. Wybrano wariant modelu Nano (yolov8n) ze względu na priorytet szybkości działania.

Wymagania realizacyjne (Rzeczywisty świat): Do wdrożenia systemu potrzebna jest kamera przemysłowa umieszczona nad taśmociągiem, oświetlenie eliminujące cienie oraz jednostka obliczeniowa z akceleratorem GPU (np. NVIDIA Jetson) do inferencji w czasie rzeczywistym. Procedura testowania i problemy: Podział zbioru na: Treningowy (70%), Walidacyjny (20%), Testowy (10%). Główna metryka: [email protected] (Mean Average Precision przy progu IoU 0.5) oraz Confusion Matrix (Macierz Pomyłek) do weryfikacji, czy model nie myli np. szkła z plastikiem. Zidentyfikowane problemy: Deformacja obiektów (zgniecione butelki wyglądają inaczej niż całe), zabrudzenia etykiet, nachodzenie na siebie obiektów (okluzja). 4.Wyniki eksperymentu i demonstracja działania Metryki uczenia: Proces uczenia przeprowadzono na 25 epokach. Finalna skuteczność modelu ([email protected]) dla wszystkich klas wyniosła 0.80. Szczegółowa analiza skuteczności per klasa wykazała istotne różnice w detekcji materiałów: Papier: 0.895 (Najwyższa skuteczność – obiekty o wyraźnej teksturze). Metal: 0.865 Szkło: 0.808 Bio: 0.793 Plastik: 0.639 (Najniższa skuteczność).

Wnioski z analizy błędów: Niższy wynik dla klasy Plastic wynika z fizycznej charakterystyki odpadów – przezroczystości butelek oraz dużej wariancji kształtów (zgniecenia). Jest to typowe wyzwanie w wizyjnych systemach sortowania, które w warunkach przemysłowych rozwiązuje się poprzez zastosowanie czujników NIR (podczerwieni), a nie tylko kamery RGB. Opis Demo: Przygotowano skrypt w języku Python wykorzystujący bibliotekę ultralytics. System pobiera obraz wejściowy, przeprowadza inferencję i nanosi ramki detekcji (Bounding Boxes) wraz z etykietą klasy i poziomem pewności.

Rys. 1. Przebieg funkcji straty (Loss) i precyzji (mAP) w trakcie 25 epok . Rys. 2. Przykładowa detekcja obiektu klasy 'Plastic' .