Streszczenie:
Praca podejmuje tematykę rozpoznawania frakcji odpadów komunalnych. Jej celem było dokonanie przeglądu literatury w zakresie rozpoznawania materiału i rodzaju odpadów na obrazie oraz przeprowadzenie eksperymentu, który polega na stworzeniu aplikacji wspomagającej użytkowników w określaniu frakcji odpadów podczas domowej segregacji. Zdjęcia konwertowano do zapisu kolorów HSV, wykorzystano transformację histogramu zorientowanych gradientów, zdjęcia w skali szarości. Wykorzystano dwie architektury sieci neuronowych – wzmocnioną architekturę LeNet oraz Inception w wersji trzeciej. Najwyższe wyniki, jakie udało się osiągnąć w eksperymencie to 70% dokładności, co jest znaczną poprawą względem pierwszych wyników, które były na poziomie 20%. Udało się stworzyć spójny system do rozpoznawania frakcji odpadów komunalnych, który w może być przydatny człowiekowi przy podejmowaniu codziennych decyzji segregacyjnych. Dzięki algorytmom sposobu zapisu koloru, czy odkrywania krawędzi i tekstury wyniki klasyfikacji modelu znacznie się poprawiły. Zbadano również wpływ wykorzystania różnych architektur konwolucyjnych sieci neuronowych na wyniki.
