Resumen

Este estudio propone un sistema híbrido multicapa de aprendizaje profundo (MHS) para clasificar automáticamente los residuos desechados por los individuos en la zona pública urbana. Este sistema despliega una cámara de alta resolución para capturar la imagen de los residuos y sensores para detectar otra información de características útiles. El MHS utiliza un algoritmo basado en CNN para extraer las características de la imagen y un método de perceptrones multicapa (MLP) para consolidar las características de la imagen y otra información de características para clasificar los residuos como reciclables o los otros. El MHS se ha entrenado y validado frente a los artículos etiquetados manualmente, logrando una precisión de clasificación general superior al 90% en dos escenarios de prueba diferentes, lo que supera significativamente a un método de referencia basado en CNN que se basa en entradas de imágenes únicamente.

• Materias:Biotecnología Minería de datos Algoritmos genéticos Cerebro - fisiopatología Neurofisiología
• Subjects:Biotechnology Data mining Genetic algorithms Brain - pathophysiology Neurophysiology
• Palabras claves:características de la imagen, información de características útiles, área pública urbana, diferentes escenarios de prueba, precisión de clasificación general, mhs, cnn de referencia, perceptrones multicapa, métodos basados, sistema
• Keywords:image features, useful features information, urban public area, different testing scenario, overall classification accuracy, mhs, reference cnn, multilayer perceptrons, based methods, system