컴퓨터 객체 탐지 기술이 진보하면서 딥러닝은 가비지 분류에 점점 더 많이 적용되고 있다.캔은 재활용 가능한 쓰레기에서 중요한 자원 중 하나이며, 캔의 식별은 재활용의 핵심이다.하지만, 현재로써는 쓰레기통의 식별이 어려운 실정이다.한편으로는 캔과 관련된 데이터 세트의 부족으로 심층적인 연구 수행이 어려우며;반면, 폐캔은 변형 및 막히기 쉬워 식별 정확도가 낮다.
위와 같은 문제점을 고려하여 필자는 추상적 특징의 강건성과 우수한 일반화 능력이라는 목적을 달성하기 위해 캔들의 특징을 추출하는 딥러닝의 아이디어를 채택한다.일반, 변형, 차단, 기타 상태 등 5만 4000여 개의 캔들 데이터 세트를 구축했다.이후 데이터 세트는 이미지 확대를 통해 200,000개 이상으로 확장되었습니다.pyTorch 프레임워크 기반의 두 가지 네트워크 모델인 YOLOv3와 YOLOv5를 이용하여 데이터 세트를 훈련하였으며, 캔들이 막히거나 막히지가 않는 경우에 두 알고리즘의 인식 정확도와 인식 속도를 비교, 분석하여 캔들 인식 방식의 효과를 확인하였다.
실제 상황에서 쓰레기 분류시 캔의 식별을 확인하기 위해 자동 쓰레기 분류 트랙의 장면을 제작하였으며, 알고리즘 모델을 이용하여 촬영된 영상에서 캔을 식별하였다.실험 결과에 따르면 YOLOv3와 YOLOv5 네트워크 모델 모두 0.6m/s의 속도로 달리는 트랙에서 효과적으로 캔을 식별할 수 있으며 인식 성공률은 각각 99.4%와 97.7%이다.