ISSN: 2822-2881
Classification of recyclable waste using deep learning architectures [FUJECE]
FUJECE. 2022; 1(3): 122-128 | DOI: 10.5505/fujece.2022.83997

Classification of recyclable waste using deep learning architectures

Arzu Sevinç, Fatih Ozyurt
Department of Software Engineering, Faculty of Engineering, Firat University, Elazig, Turkey

Managing waste in big cities is a big problem. Wastes are dangerous in terms of causing environmental pollution and affecting human health. In particular, solid wastes such as glass and plastic do not dissolve in the soil for a long time and pollute the environment. By recycling such solid wastes, the surrounding waste can be reduced. Therefore, it is important to classify waste and to recycle the separated waste. In this study, a data set consisting of 22500 waste images was used. The data set contains color image data with a size of 227 x 227 pixels. The data used in the study are divided into two as organic and recyclable waste. This study proposes a deep learning-based system for classifying waste. With such a system, wastes can be classified and recycled. The data was trained with the ResNet 50 architecture and the CNN architecture created to classify waste, and accuracy rates were compared. The CNN architecture created to classify waste is more successful for this data set with an accuracy rate of 91.84%.

Keywords: Waste classification, Deep learning, Convolutional neural network, ResNet-50 architecture

Derin öğrenme mimarileri kullanılarak geri dönüştürülebilir atıkların sınıflandırılması

Arzu Sevinç, Fatih Ozyurt
Fırat Üniversitesi Mühendislik Fakültesi, Yazılım Mühendisliği, Elazığ

Büyük şehirlerde atıkların yönetilmesi büyük bir problemdir. Atıklar çevre kirliliğine sebep olması ve insan sağlığını etkilemesi açısından tehlikelidir. Özellikle cam, plastic gibi katı atıklar toprakta uzun süre çözünmeyerek çevreyi kirletmektedir. Bu tarz katı atıklar geri dönüştürülerek çevredeki atıklar azaltılabilir. Bu yüzden atıkları sınıflandırmak ve ayrıştırılan atıkların geri dönüştürülmesi önemlidir. Bu araştırmada 22500 atık görüntüden oluşan bir veri seti kullanılmıştır. Veri seti, 227 x 227 piksel boyutundaki renkli görüntü verilerini içermektedir. Çalışmada kullanılan veriler, organik ve geri dönüştürülebilir atık olarak ikiye ayrılmaktadır. Bu çalışma atıkları sınıflandırmak için derin öğrenme tabanlı bir sistem önermektedir. Bu tarz bir sistemle atıklar sınıflandırılarak geri dönüştürülebilir. Veriler ResNet 50 mimarisi ve atık sınıflandırmak için oluşturulan CNN mimarisi ile eğitilerek doğruluk oranları karşılaştırıldı. Atık sınıflandırmak için oluşturulan CNN mimarisi %91,84 doğruluk oranı ile bu veri seti için daha başarılı olduğu görülmektedir.

Anahtar Kelimeler: Atıkların sınıflandırılması, Derin öğrenme, Evrişimsel sinir ağı, ResNet-50 mimarisi

Arzu Sevinç, Fatih Ozyurt. Classification of recyclable waste using deep learning architectures. FUJECE. 2022; 1(3): 122-128

Corresponding Author: Arzu Sevinç, Türkiye
Manuscript Language: English
LookUs & Online Makale