一种优化的、考虑泄漏因素的基于YOLO的深度学习框架,用于混合金属和玻璃废弃物的实例分割及环境影响评估

《Computers》:An Optimized Leakage-Aware YOLO-Based Deep Learning Framework for Instance Segmentation and Environmental Impact Assessment of Mixed Metal and Glass Waste

【字体: 大 中 小 】 时间:2026年07月16日 来源:Computers 5.2

编辑推荐:

  可回收废弃物的精确实例分割(Instance Segmentation)对于自动分拣和循环经济应用至关重要。混合金属和玻璃城市废弃物具有挑战性,因为金属表面通常具有反射性,而玻璃物体则具有透明边界和高视觉变异性。本文提出了一种受控的计算机视觉框架,该框架将实例

  
可回收废弃物的精确实例分割(Instance Segmentation)对于自动分拣和循环经济应用至关重要。混合金属和玻璃城市废弃物具有挑战性,因为金属表面通常具有反射性,而玻璃物体则具有透明边界和高视觉变异性。本文提出了一种受控的计算机视觉框架,该框架将实例分割用作混合金属和玻璃废弃物的对象级感知层,并将符合条件的检测与筛选级基于WARM(Waste Reduction Model)的环境解释联系起来。研究人员使用固定的训练/验证/测试划分评估了一个包含1667张图像的七类标注数据集。模型开发使用验证划分进行架构筛选、优化调参、迁移学习分析、种子选择和NMS(Non-Maximum Suppression)选择,而保留的测试集仅用于最终评估。使用掩码mAP@50:95(mask mean Average Precision at IoU thresholds 50% to 95%)作为主要分割指标,所选YOLOv8m-seg模型在锁定测试集上达到了0.9435,并在相同锁定测试协议下获得了比Mask R-CNN(Mask Region-based Convolutional Neural Network)和RF-DETR-Seg(Real-Time Object Detection Transformer Segmentation)更高的掩码mAP@50:95。研究人员还使用了图像级自助法(bootstrap)95%置信区间来表征锁定测试分割比较周围的不确定性。对于环境报告,含质量的检测被映射到类别特定的质量先验和EPA(Environmental Protection Agency)WARM v16因子,而不是直接的掩码面积到质量转换;掩码用于实例级分离、定位和视觉验证,而非直接的物理质量测量。在所陈述的假设下,该框架产生了1113.57 MJ(兆焦耳)的节能和70.20 kg CO2e(二氧化碳当量)的避免排放的筛选级环境估计,在应用回收率先验后下降至445.67 MJ和28.62 kg CO2e。总体而言,该框架提供了一个将实例分割与特定材料基于WARM的环境筛选联系起来的泄漏感知工作流。
**论文解读:基于YOLO的泄漏感知深度学习框架用于混合金属与玻璃废弃物实例分割及环境影响评估**

**研究背景、存在问题与研究动机**
城市固体废弃物(Municipal Solid Waste, MSW)系统面临城市化、人口增长和消费模式变化带来的压力。全球废弃物产量预计从2016年的20.1亿吨增至2050年的34.0亿吨,而相当一部分仍通过露天倾倒或焚烧处理。可扩展的回收技术至关重要。金属和玻璃包装是可回收MSW的重要材料,其回收可减少资源消耗、能源需求和温室气体排放;美国环保署废弃物减少模型(Waste Reduction Model, WARM)为估算此类物料管理效应提供了公认框架。

计算机视觉可支持自动化废弃物分拣,先前研究涵盖分类、混合识别、边界框检测和分割导向流程。分类和检测方法适用于类别识别和粗略定位,但在杂乱场景中,相邻物体重叠、变形、碎片化或紧密排列时,仅靠边界框信息不足。本研究将实例分割(Instance Segmentation)用作对象级感知输出,以支持实例分离、定位、类别分配、合格性检查和定性视觉验证,但预测掩码不视为物体质量的直接物理测量。

混合金属和玻璃包装在废弃物研究中仍未充分探索,且视觉上具有挑战性:金属表面产生镜面反射和光照依赖的外观变化,透明玻璃常具有弱或不稳定的边界,污染、遮挡和类内变异性进一步加剧问题。此外,许多废弃物视觉研究止步于识别指标,未将输出与回收价值、节能或避免排放联系起来;直接掩码面积到质量转换对于异质废弃物不可靠,质量取决于材料类型、厚度、密度、变形和几何形状,类别特定质量先验和WARM因子提供了更透明的筛选级替代方案。评估偏差也是一个问题:当测试集影响架构选择、超参数调优或后处理时,报告性能可能过于乐观。因此,本研究旨在通过一个泄漏感知的实例分割基准和基于先验的环境筛选工作流来填补这一应用空白,在严格假设下提供受控的评估协议。

**研究内容、结论与意义**
研究人员提出了一种用于混合金属和玻璃废弃物实例分割及基于WARM的筛选级环境解释的泄漏感知应用框架。该框架不引入新的YOLO架构,而是在受控模型选择协议内评估官方分割模型。验证划分用于架构筛选、优化调参、迁移学习分析、种子选择和NMS选择,测试划分仅用于最终评估。环境报告使用符合条件的检测实例、预测类别标签、类别特定质量先验和EPA WARM v16因子,而非直接掩码面积到质量转换,其中玻璃碎片(Glass_Fragments)仅作为检测类别。

主要贡献包括:(1)一个公开的七类标注实例分割数据集,包含固定划分和多边形掩码;(2)一个仅基于验证的优化管线,在测试访问前选择架构、学习率、权重衰减、迁移计划、种子和NMS设置;(3)在相同划分下与代表性两阶段和基于Transformer的基线进行锁定的COCO风格基准比较,并报告图像级自助法置信区间;(4)一个类别感知核算接口,将符合条件的检测实例和预测类别标签映射到预定义质量先验和EPA WARM v16因子;(5)不确定性感知的估计潜在收益、回收调整后收益和类别级回收损失指数(Recycling Loss Index, RLI)报告,环境值解释为筛选级估计而非验证重量测量。

该论文发表在《Computers》。

**主要关键技术方法(不超过250字)**
研究人员采用受控的三阶段框架。数据准备阶段从四个公开来源(RealWaste、D.Waste、Drinking Waste及通过Roboflow管理的Spray子集)组装数据集,所有图像转换为基于多边形的实例掩码,并使用Segment Anything Model(SAM)辅助,最终包含1667张原始图像(60:20:20划分为1000训练、333验证、334测试),训练集进行离线数据增强(水平翻转、随机旋转、亮度/曝光调整、高斯模糊、椒盐噪声)。验证阶段仅使用验证划分依次进行架构筛选(YOLOv8s-seg、YOLOv8m-seg、YOLO11s-seg、YOLO11m-seg)、学习率与权重衰减调优(0.005/0.003/0.001与0/0.0005组合)、迁移学习计划消融(无冻结、前10/12层冻结、大部分骨干冻结)、种子稳定性分析(种子42/43/44)及NMS配置消融(置信度和IoU阈值对)。最终模型在测试集上进行锁定评估,并与Mask R-CNN(ResNet-50-FPN骨干)和RF-DETR-Seg(Small)基线比较。环境核算阶段将符合条件的检测映射到类别特定质量先验(表2)和EPA WARM v16因子,采用不确定性传播和回收率调整。

**研究结果**

**4.1 实验设置**
实验在Google Colaboratory Pro的NVIDIA A100 GPU上运行,使用固定计算环境(Python 3.12、PyTorch 2.9.0等)。YOLO实验基于Ultralytics实例分割框架,未修改骨干、颈部或分割头。所有图像预处理为640×640像素。

**4.2 Phase II结果:顺序消融与模型选择**

- **Stage 1:架构与容量筛选**
在固定基线设置下比较四个分割候选模型。YOLOv8m-seg在验证集上获得最高掩码mAP@50:95(0.9762),被选为骨干继续后续阶段。

- **Stage 2:学习率与权重衰减筛选**
在选定骨干上测试六种学习率与权重衰减组合。学习率0.001搭配权重衰减0.0005获得最高验证掩码mAP@50:95,被保留至Stage 3。

- **Stage 3:迁移学习计划消融**
比较无冻结、部分冻结后解冻、骨干冻结后解冻四种计划。无冻结策略获得最高验证掩码mAP@50:95,被选中。

- **Stage 4:最终训练与种子稳定性分析**
使用扩展训练预算重训选定配置,并在三个种子(42、43、44)上检查稳定性。种子43最接近保守聚合目标(均值减0.5倍标准差=0.9709),被保留用于下游评估。种子42虽获得最高单次运行值(0.9771),但出于保守考虑未选。

- **Stage 5:NMS配置消融**
在固定权重下比较三种置信度和IoU阈值对。默认置信度0.001和IoU 0.7获得最高验证掩码mAP@50:95,被用于最终测试。

**4.3 Phase III结果:锁定最终测试、影响与报告**

- **Stage 6A:锁定最终测试评估**
最终配置在测试集上获得:精确率0.9450、召回率0.9157、F1分数0.9302、框mAP@50为0.9596、框mAP@50:95为0.9371、掩码mAP@50为0.9591、掩码mAP@50:95为0.9435。与Mask R-CNN(掩码mAP@50:95 = 0.6370,图像级自助法95% CI [0.5808, 0.6956])和RF-DETR-Seg(Small)(0.8935,CI [0.8614, 0.9232])比较,YOLOv8m-seg获得最高点估计(0.9435,CI [0.9287, 0.9562]),其区间与RF-DETR-Seg重叠,但与Mask R-CNN明显分离。类别级精度-召回曲线和归一化混淆矩阵显示Glass_Jar是最具挑战性的类别。

- **Stage 6B:环境影响估计**
基于锁测试检测和类别先验,框架识别357个含质量物体,估计总质量33.5960 kg。在全回收假设下,估计潜在节能1113.57 MJ(309.32 kWh),避免排放70.20 kg CO2e。应用回收率先验后,调整估计降至445.67 MJ和28.62 kg CO2e,未实现潜力约占60%。Metal_Aerosol_Can贡献最大估计潜力(59.2%节能、53.3%避免排放)。类别级回收损失指数(RLI)最高为Glass_Jar和Glass_Bottle_Small(0.687),最低为Metal_Food_Can(0.291)。不确定性传播显示数据集级估计质量变异系数3.26%,能量3.39%,CO2e 3.15%。

- **Stage 6C:最终输出与报告**
展示了代表性输出,包括含质量实例的原始图像、掩码叠加、二值掩码和WARM v16摘要,以及玻璃碎片作为仅检测实例的输出。

**讨论与结论**

讨论部分强调,所有模型选择决策在测试访问前基于验证划分完成,有助于减少测试知情报告风险。YOLOv8m-seg取得强锁定性能,但图像级自助法区间为结果提供不确定性估计,而非额外选择标准。环境分析表明识别准确性本身不决定回收价值;通过将符合条件的检测映射到类别先验和WARM因子,框架产生可解释的筛选级估计。实例分割在杂乱的混合废弃物场景中支持物体分离、定位、类别分配和视觉验证,但质量估计依赖于类别先验而非掩码几何。主要局限包括七类范围、缺乏对象级和流级质量测量、依赖类别先验而非直接称重、缺乏专门的边界框消融、缺乏正式注释者间一致性、以及使用美国回收假设。

研究结论部分翻译如下:
本研究提出了一个泄漏感知的基于YOLO的实例分割框架,用于混合金属和玻璃废弃物,以及一个基于WARM的类别感知筛选模块用于环境解释。基于验证的模型选择和单次最终测试评估有助于保持模型开发与最终报告之间的分离。YOLOv8m-seg在锁定测试集上获得了掩码mAP@50 = 0.9591和掩码mAP@50:95 = 0.9435。研究人员报告了主要掩码mAP@50:95指标的图像级自助法置信区间,以表征锁定测试比较的不确定性。该框架还将符合条件的含质量检测及其预测类别映射到预定义质量先验和EPA WARM v16因子。在所陈述的类别先验假设下,估计潜在节能为1113.57 MJ;经回收率调整后,调整估计为445.67 MJ,应用回收率先验后未实现潜力约占60.0%。总体而言,结果表明实例分割可在先验环境核算应用之前,为分离、定位和分类混合金属和玻璃废弃物提供对象级视觉输入。YOLO架构按官方框架实现,未更改其骨干、颈部或分割头。下游质量、能量和CO2e指标仍属于基于合格检测和预定义材料假设的筛选级估计。未来工作应针对测量对象级和流级质量进行验证,进行经验不确定性估计,直接比较分割与仅边界框感知模块,并在更大的现场数据集和真实传送带条件下评估框架。
相关新闻
生物通微信公众号
微信
新浪微博
  • 搜索
  • 国际
  • 国内
  • 人物
  • 产业
  • 热点
  • 科普

热点排行

    今日动态 | 人才市场 | 新技术专栏 | 中国科学人 | 云展台 | BioHot | 云讲堂直播 | 会展中心 | 特价专栏 | 技术快讯 | 免费试用

    版权所有 生物通

    Copyright© eBiotrade.com, All Rights Reserved

    联系信箱:

    粤ICP备09063491号