Оптимизация архитектуры нейронной сети для сортировки групп мусора

Представлены результаты проведенных экспериментов по разработке нейронной сети для классификации пластиковых бутылок и алюминиевых банок. Нейронная сеть является частью умного контейнера – устройства для автоматизированного сбора и сортировки мусора. Этот контейнер состоит из трех емкостей (для сбора бутылок, банок и прочего), исполнительного механизма сортировки и микрокомпьютера RaspberryPi. При разработке нейронной сети необходимо учитывать ограничения вычислительных мощностей этого микрокомпьютера с высокой скоростью обработки изображений при любых углах наклона предмета и любых расстояниях до предмета. Также нейронная сеть должна правильно классифицировать мятые бутылки и банки. В статье представлены результаты ранее проведенных экспериментов по выбору нейронной сети среди AlexNet, SqueezeNet и MobileNet. Наибольшей точности достигла нейронная сеть MobileNet. Однако недостатком этой нейронной сети является необходимость создания большой обучающей выборки для точного распознавания мятых бутылок и банок. На создание такой обучающей выборки со всеми возможными вариантами мятостей потребовалось бы огромное количество времени. В статье приводится описание оригинальной идеи нейронной сети, а также поиска оптимальной архитектуры этой нейронной сети как ручным перебором, так и автоматически.

Авторы: К. Р. Ахметзянов, А. А. Южаков

Направление: Информатика, вычислительная техника и управление

Ключевые слова: Классификация объектов, нейронные сети, сверточные нейронные сети, глубокое обучение, компьютерное зрение, сортировка отходов, RaspberryPi

---

Открыть полный текст статьи