廃棄物分類リサイクル可能物および家庭廃棄物分類データセット

※本データセットはオンライン利用に対応しておりますが、ここをクリックしてジャンプしてください。

このデータセットには、30 の異なるカテゴリのさまざまなリサイクル可能な材料、一般廃棄物、家庭用品をカバーする 15,000 枚の画像 (それぞれ 256 × 256 ピクセル) が含まれています。このデータセットには、カテゴリごとに 500 枚の画像、サブカテゴリごとに 250 枚の画像が含まれており、廃棄物の分類とリサイクルの分野の研究開発に豊富で多様なリソースを提供します。このデータセットは、多数の高品質の画像を提供することにより、堅牢で正確な廃棄物分類および分類システムの作成をサポートするように設計されています。

データセットの構造

データセットは階層フォルダー構造になっており、ナビゲーションとアクセスが簡単に行えます。メイン フォルダーの名前は「image」で、特定の廃棄物のカテゴリまたはアイテムを表すサブフォルダーが含まれています。これらのサブフォルダー名は、それぞれのカテゴリのラベルとして機能します。研究者や開発者が特定のニーズを満たす画像を簡単に特定して活用できるようにします。

データセットをテスト、トレーニング、検証に手動で分割する必要があります。見るリサイクル可能および家庭廃棄物の分類コードこれを行う方法の例については、

各カテゴリのサブフォルダー内には、次の 2 つの異なるフォルダーがあります。

1. default: このフォルダーには、廃棄されたアイテムの標準またはスタジオ品質の画像が含まれています。これらの画像は品目を明確かつ制御された方法で表現しており、廃棄物分類モデルの事前トレーニングやテストに使用できます。各「デフォルト」サブフォルダーには 250 個の画像が含まれています。
2. real_world: このフォルダーには、実際のシーンや環境からの廃棄アイテムの画像が含まれています。画像は、ゴミ箱、地面、雑然とした環境など、さまざまな状況にある物体を捉えています。実際の環境で廃棄物分類モデルのパフォーマンスと堅牢性を評価するには、リアルな画像が不可欠です。各「real_world」サブフォルダーには、250 個の画像も含まれています。

データセット内のすべての画像は PNG 形式で提供され、高品質とさまざまな画像処理および機械学習ライブラリとの互換性が保証されます。

廃棄物のカテゴリー

このデータセットは、次のような幅広い廃棄物のカテゴリと品目をカバーしています。

• プラスチック：このカテゴリには、ペットボトル、ソーダボトル、洗剤ボトル、ショッピングバッグ、ゴミ袋、食品容器、使い捨てカトラリー、ストロー、カップの蓋の画像が含まれています。これらの品目は家庭から排出されるプラスチック廃棄物の大部分を占めており、リサイクルの取り組みには不可欠です。
• 紙とボール紙:このカテゴリには、新聞、事務用紙、雑誌、段ボール箱、および段ボールの包装の画像が含まれます。これらのアイテムはリサイクル可能な場合が多く、森林破壊の削減と天然資源の保護に重要な役割を果たします。
• ガラス：このカテゴリには、ガラス製の飲料ボトル、食品瓶、化粧品容器の画像が含まれます。ガラスはリサイクル性の高い素材であり、効率的なリサイクルプロセスには正しい分別と分別が不可欠です。
• 金属：このカテゴリには、アルミニウム ソーダ缶、アルミニウム食品缶、スチール食品缶、およびエアゾール缶の写真が含まれています。金属廃棄物にはリサイクル価値があり、適切に識別して分別すれば効率的に処理できます。
• 有機廃棄物:このカテゴリには、果物の皮、野菜くず、卵の殻、コーヒーかす、ティーバッグなどの食品廃棄物の画像が含まれます。有機廃棄物は堆肥化することも、バイオガスの生成に使用することもできるため、埋め立て地の負担を軽減し、貴重な資源を生み出すことができます。
• 繊維：このカテゴリには衣服や靴の写真が含まれます。繊維廃棄物に対する懸念は高まっており、適切に分別することでリサイクルが促進され、ファッション業界の環境への影響が軽減されます。

各廃棄物カテゴリの具体的な例とインスタンスについては、データセット内の個々のサブフォルダーを参照してください。

データセットの使用法とアプリケーション

リサイクル可能な廃棄物と家庭廃棄物の分類データセットは、研究者、エンジニア、環境愛好家に幅広い可能性を提供します。このデータセットの潜在的な用途と用途には次のようなものがあります。

• 機械学習モデルを開発およびトレーニングして、ゴミを自動的に分類および分類します。データセット内のさまざまな画像と現実世界のシナリオにより、廃棄物管理施設、リサイクル センター、スマートゴミ箱に導入できる堅牢で正確な分類モデルの作成が可能になります。
• さまざまな廃棄物の視覚的特徴と特性を分析します。研究者は、このデータセットを使用して、色、形状、質感、サイズなど、さまざまな種類の廃棄物の固有の視覚的属性を研究できます。この分析は、より効率的で的を絞った廃棄物分別アルゴリズムの開発に役立ちます。
• デフォルトのイメージと実際のイメージでガベージ分類アルゴリズムのパフォーマンスを比較します。このデータセットを使用すると、研究者は、制御された現実的な環境でアルゴリズムの精度と堅牢性を評価およびベンチマークすることができます。この比較は、さまざまな方法の長所と短所を判断し、より信頼性の高い廃棄物分別システムの開発に役立てることができます。
• 現実のシナリオがゴミの識別精度に及ぼす影響を研究します。このデータセットには現実の画像が含まれており、研究者は、照明条件、オブジェクトの遮蔽、背景のクラッターなどの要因がゴミ分類モデルのパフォーマンスにどのような影響を与えるかを研究できます。この研究により、実際の廃棄物管理シナリオで遭遇する課題に対処する、より回復力と適応力のあるアルゴリズムの開発が促進されます。