Resumen

La clasificación de basura es un problema social relacionado con el sustento de las personas y el desarrollo sostenible, por lo que permitir que los robots de servicio realicen de manera autónoma la clasificación inteligente de basura tiene una importante significancia en la investigación. Con el objetivo de abordar los problemas de sistemas complejos con fuente de datos y retraso en la transmisión de datos del centro de servicios en la nube y respuesta intempestiva, al mismo tiempo, con el fin de realizar la percepción, almacenamiento y análisis de datos masivos heterogéneos de múltiples fuentes, se propone un método de detección y clasificación de basura basado en la comprensión visual de escenas. Este método utiliza grafos de conocimiento para almacenar y modelar elementos en la escena en forma de imágenes, videos, textos y otras formas multimodales. Se añade el mecanismo de atención ESA a la parte de la red principal de la red YOLOv5, con el objetivo de mejorar la capacidad de extracción de características de la red, combinándolo con el grafo de conocimiento multimodal constr

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Clasificación de basura; Robots de servicio; Clasificación inteligente de basura; Comprensión de escenas visuales; Grafos de conocimiento; Modelo YOLOv5-Attention-KG
• Keywords:Garbage classification; Service robots; Intelligent garbage classification; Visual scene understanding; Knowledge graphs; YOLOv5-Attention-KG model