Assessing the Feasibility of Waste Characterization Using Drones and Aerial Görüntüleme

İnsansız hava araçlarının (UAVs) ve çevresel bilimin kesişimleri, atık yönetimi profesyonellerinin en temel görevlerinden birini nasıl yaklaştığını yeniden şekillendiriyor: Atık akışında tam olarak ne olduğu anlamak. Geleneksel atık karakterizasyonu yöntemleri fiziksel olarak türleme ve manuel incelemeye dayanıyor, yavaş, iş odaklı ve yoğun bir süreç, teknoloji, mevcut kısıtlamalarla donatılmış, operasyonel yollara ve tehlikeli malzemelere karşı geniş çaplı anketler.

Atık Karakterizasyonunun Temelleri

Atık karakterizasyonu etkili atık yönetiminin arka kemiğini oluşturur.Rezersiz malzemelerin bileşimini belirler, belediyelerin ve işletmelerin uygun koleksiyon sistemlerini tasarlamalarına izin verir, geri dönüşüm programları optimize eder ve çevresel düzenlemelere uygundur. Süreç genellikle organik, plastikler, metaller, kağıt, cam ve tehlikeli malzemeler gibi kesir.

Geleneksel Yöntemler ve Kısa Gelenleri

Konvansiyonel atık karakterizasyonu, çöp kamyonlarından temsilci örnekleri toplama, transfer istasyonları veya toprak dolumları içerir. Bu örnekler manuel olarak sıralanır ve saatlerce veya günlerce tartılır. Güvenilir iken, bu yaklaşım birkaç verimden muzdariptir:

  • [FONT:0) Yüksek iş maliyetleri ve güvenlik riskleri: İşçiler keskin nesneler, tehlikeli kimyasallar ve biyohazardlar idare ediyorlar.
  • [FONT:0)Yerel mekansal kapsama:[Dönetici:[Dönetici:0) Örnekler genellikle binlerce tondan birkaç yüz kilograma sınırlandırılır, istatistiksel belirsizlikleri tanıtılır.
  • [FONT:0)Infreknt örnek: [Dönetici: [Dönetici: 1) Maliyet ve karmaşıklığı nedeniyle, yılda sadece bir veya iki kez boşanmış, mevsim veya davranışsal değişimleri eksik.
  • [FONT:0)Subjectivity:[Dönetici:[Dönetici: 0,4] İnsan türleyicileri yanlış sınıflanabilir, yerlerin karşısındaki tutarsız verilere yol açabilir.

Bu boşluklar, aramayı otomatik, uzaktan algılama alternatifleri için motive eder. Drones zorlayıcı bir çözüm sunar, ancak fizibilitesi teknik ve operasyonel engellerin üstesinden gelmek zorundadır.

Drone ve Aerial Görüntüleme Teknolojisi Atık Değerlendirme için

Modern uçaklar, atık karakterizasyonu için uygun çeşitli sensörler taşırlar. En yaygın yüksek çözünürlüklü RGB kameraları, ancak multispectral, hiperspectral ve termal sensörler kanala girerler. Bu platformlar arazi dolumları, yasadışı çöpler, hatta kentsel atık binleri, daha sonra veya daha sonra dikilen yoğun görüntü setlerini yakalamak için önceden programlanmış rotalar gönderebilirler.

Sensör Cap Yükü

  • [FONT:0)RGB (Visible Light): ), İnşaat tozu, lastik veya yüksek çözünürlük gibi büyük eşyaları ve temel atık kategorileri tanımlamak için idealdir. 1 cm'ye kadar piksel başına 1 cm'ye kadar karar verir.
  • [FONT:0) Çokspectral:[Dönetici:[Dönetici] Yakın ve kırmızı-üst gruplar, plastiklerden organik atık ayırt etmek ve nemi ölçmek için faydalı. Bu, makul fraksiyonları sınıflandırmaya yardımcı olabilir.
  • [FONT:0]Hyperspectral:[Dönetici:[Dönetici:0) Belirli polimer türlerinin tespiti (örneğin, PET vs. Atari) ve tehlikeli maddeler. Ancak, işleme hesaplamak için yoğun ve sensörler pahalıdır.
  • [FONT:0) ⁇ İLGİLİ: [Dönem: [Dönemli: [Dönemli: [Dönemli: 0:0)))[[[Dönemli:[Dönemli:[Dönemli) ısı imzaları aktif dekomün veya yasadışı yanmadan, metan noktalarının veya smoldering atıklarının tanımlanmasında yardımcı olur.

Data Processing and Analysis pipeline

Manevi tarafından toplanan ham görüntü, aksiyonlanabilir karakterizasyon verilerine dönüştürülmelidir: Tipik adımlar şunlardır:

  1. [FONT=0)Orthorectification and diking:[DÜT:1) Fotoğrafgrammetri yazılımı (e.g., Pix4D, Agisoft Metashape) siteyi georeferenced harita oluşturmak için.
  2. [FONT:0]Segmentation:[[Dönetici Öğrenme Modeli – genellikle konvolutional sinir ağlarıne dayanan - atık yığınlarını veya bireysel nesneleri tanımlayın.
  3. [FONT:0)Klasikleştirme:[Dönetici: Her segment, ⁇ imzaları veya doku analizi kullanılarak bir malzeme türü olarak atanır.
  4. [FONT:0]Volume tahminleri: [DD görüntülerini dijital yüzey modelleriyle birleştirerek (DSMs), her atık kategorisinin hacmi tahmin edilen kesintileri kullanarak hesaplanabilir ve dönüştürülebilir.

Derin öğrenmedeki son atılımlar, özellikle de İZFLT:0) Maske R-CNN gibi dönüşüm mimarileri[Dön 1: 1), hava görüntülerinden otomatik atık sınıflandırmasının doğruluğunu önemli ölçüde geliştirdi.

Drone-Based Waste Characterization

Etkili bir şekilde kullanıldığında, dronelar, geleneksel yöntemlerin eksikliklerine doğrudan hitap eden birkaç fayda sunar.

Hız ve Coverage

Tek bir drone uçuşu, binlerce tonluk atık üzerinde verileri toplamak için 20-50 hektarı kapabilir.Bu, yer örneği yerine tam toprak doldurma anketlerini mümkün kılar. Ayrıca, tekrarlanan uçuşlar, atık girişi ve dekompozisyonunu dinamik izlemesine olanak sağlar.

Geliştirilmiş İş Güvenliği

Drones, aktif çöplük gerekçesiyle yürümek veya çöp yığınlarını tırmanmak için personel ihtiyacını ortadan kaldırır. Bu, özellikle tehlikeli atık sitelerinde veya zemin koşulları kararsız olduğunda aşırı hava olayları sırasında aşırı hava olaylarının kritik olduğunu bildiriyor. İş Güvenliği ve Sağlık Yönetimi (OSHA) atıklarla ilgili yaralanmalar çevre sektöründeki en yüksek arasında rapor eder; uzaktan algılama bu maruziyetleri azaltır.

Zaman içinde Maliyeti Azalt

Havalimanları ve yazılımdaki ilk yatırım 10.000 $ - 150 $ olabilirken, devam eden operasyonel maliyetler, sık uçuşları kabul eden bir şekilde telafi etmekten daha düşük.0.AİLMİŞT:0) Atık360)'de belirtilen tesisler, drone anketlerini benimseyen tesisler, ikinci yılın ardından karakterizasyon maliyetlerinde yüzde 40-60 azalma, sık sık sık uçuşları varsayar.

Inaccessible Alanlara Erişim

Uzak ormanlarda, dik ravine yamaçlarında veya postacı rubble genellikle bu bölgelere girebilmek için zemin mürettebatları için imkansız. Drones doğrudan bu bölgelere uçabilir, yetkililere sorun ve plan temiz-up operasyonlarının kapsamını değerlendirmelerine yardımcı olan görüntüler yakalayabilir.

Meydanlar ve Sınırlar

Onun sözüne rağmen, drone tabanlı atık karakterizasyonu, değiştirilebilmesi veya tamamen ek el yöntemleri değiştirilebilmesi için ele alınması gereken birkaç gerçek dünya engeli ile karşı karşıyadır.

Hava ve Çevre Bağımlılığı

Güçlü rüzgarlar, yağışlar ve düşük bulut tavanları çoğu tüketici ve endüstriyel dronelar. Sık yağmur veya fog ile bölgelerde uçuş pencereleri daralabilir, veri toplama koleksiyonu geciktirebilir. Ek olarak, aktif toprak doldurmaları için toz ve duman kamera lensleri ve degrad görüntü kalitesi olabilir.

Düzenlemeler

Birçok ülkedeki Drone operasyonları, uzaktan pilot sertifikayı tutmak ve görsel görüntü çizgisinde uçmak için pilotlar gerektirir (VLOS).Spektif görme hattının ötesinde Uçuşlar (BVLOS), ABD'de büyük arazi doldurmalarını açıkça kısıtlamak için gerekli olan özel waivers gerekir. Hava Alanı yakın hava sahasını etkileyen hava sahasını tamamen kapatabilir.

Atık kategorilerini Yavaşla

Bir hava perspektifinden, birçok atık türü oldukça benzer görünüyor. Örneğin, parçalanmış kağıt, beyaz plastikler ve ışık renkli tekstiller hala ayrı olmak zordur.Farklı polimer notları veya ıslak vs. kuru organiks arasında ayrım yapmak, özellikle de atıklar kir tarafından kaplı olduğunda, geçerlidir.

Gelişmiş Algoritmalar ve Hesaplama Gücüne ihtiyaç var

Mevcut en iyi modellerin karışık atık veri setleri üzerindeki sınıflandırma doğruluğu, bilinen kategorilerde değerlendirilen% 75-85 civarında, ancak yeni eşyalar veya olağandışı aydınlatma koşulları ile karşı karşıya kaldığında% 60'ın altına düşüyor. Eğitim bu modeller kamu alanında yetersiz olan binlerce annotated hava görüntüsü gerektirir.

Data Privacy and Public Perception

Yurt içi atık binleri veya özel özelliklerin yakınında uçan uçaklar gizlilik kaygılarını gündeme getirir. Vatandaşlar sadece atık analizi için kullanılıyorsa bile, temiz iletişim ve veri anonimliği topluluk güvenini kazanmak için gereklidir.

Mevcut Araştırma ve Pilot Deployments

Sınırlara rağmen, birkaç akademik ve endüstriyel proje, kontrol edilen ortamlarda drone tabanlı atık karakterizasyonunun fizibilitesini göstermiştir.

Vaka Çalışması: Sunrise Landfill'de Arazi Depo Haritası

2022 yılında Florida Üniversitesi ile bölgesel bir atık otoritesi arasında bir işbirliği, her kategori için bir DJI Phantom 4 Pro'nun 40-hectare arazi dolumunu haritaladığı bir araştırmaydı. RGB imagery, inşaat yıkımına sınıflandırılan özel bir U-Net segmentasyon modeliyle işlendi ve bitki örtüsüne göre % 82 oranında bir miktar değer verdi.

Vaka Çalışması: Brezilya'da Yasadışı Dump Tespit

São Paulo Üniversitesi'ndeki araştırmacılar, Amazon ormanlarını yasadışı çöp sahalarını tespit etmek için çok fazla düşünülmüş bir sensörle bir drone kurdular.In the University of São Paulo, toprak-adjusted Plant index), %90 hassasiyetle potansiyel çöp toplama alanları tespit ettiler.

Makine Öğrenme Yenilikçileri

Son zamanlarda yapılan çalışmalar:0)Alman Havacılık Merkezi (DLR)), sentetik verileri atık sınıflandırma modellerini eğitmek için kullanıyor. Bilinen kompozisyonla atık yığınlarını gerçekçi hale getirerek, gerçek drone görüntüleri üzerinde 15 puana kadar doğruluk iyileştirmelerini elde ettiler.Bu teknik veri eksikliği sorununun üstesinden gelebilir ve alan dağıtımını hızlandırabilir.

Complementary Technologies ile entegrasyon

Femabiliteyi en üst düzeye çıkarmak için, drone tabanlı karakterizasyon, bir standalone çözümü yerine daha büyük bir sensör ekosisteminin parçası olarak görülmelidir.

Ground-Based IoT Sensörleri ile birlikte bir araya gelmek

Arazi dolumları giderek daha akıllı binleri ve zemin bazlı sensörleri gaz emisyonlarını, sıcaklık ve yerleşimi ölçtü. Bu drone görüntüleyicisi ile operatörlerin görsel atık kategorilerini ayrıştırma aşamalarından ayırmalarına izin verir. Örneğin, zemin sensörlerinden yüksek metne de sahip bir drone zengin alan, gaz yakalamasına öncelik verebilir.

Uydu Imagery bir Coarser Filtre

Kamusal olarak mevcut uydu verileri (örneğin, Sentinel-2 veya Landsat) arazi kullanımı veya haftalık atık genişletmede büyük değişiklikler tespit edebilir. Drones o zaman sadece uydular tarafından bayraklanan alanlar için ayrıntılı takip görüntülerini sağlar. Bu iki katmanlı yaklaşım drone uçuş zamanı azaltır ve kapsama alanı genişletir.

Robotik Artırılmış

Gelecekte, drone, drone'un tespit edilen hedef bölgelerine dayanan fiziksel örnekleme yapan zemin robotları yanında çalışabiliyor. Bu tür kurulumlar Avrupa'daki atık işleme tesislerinde prototipleniyor, drone anketleri gelen yükler ve robotik bir kol seçiminin geçerliliği için örneklerini alıyor.

Düzenleme ve Yönel Yolları Ölçeği Ölçeğine Yönelme ve Yönel Yollar

drone tabanlı atık karakterizasyonu rutin hale gelmek için, düzenleyici çerçeveler, BVLOS işlemlerinin arazi dolumları üzerindeki izin vermek için evrimleşmeli, özellikle uzak alanlarda. FAA'nın Avrupa'daki diğer girişimleri, atık yönetimi için aktif olarak test edilmektedir.

Veri güvenliği için en iyi uygulamalara ve cezaevlerinin yakınında drone'a saygı göstermek, havaalanları ve kritik altyapı onaylanmamış değildir. Atık yönetim şirketleri sertifikalı bir uzaktan pilot tasarlamalı ve drone bakımı için özel bir onancy oluşturmalıdır.

Future Prospects and Outlook

drone tabanlı atık karakterizasyonunun fizibilitesi, sensör maliyetleri düşerken sürekli olarak artmaktadır, AI modelleri olgunlaşır ve düşük riskli operasyonlar için rahatlar. Önümüzdeki beş yıl içinde bekleyebiliriz:

  • [FONT:0)Stand-play sınıflandırma modellerine izin veren ortak atık malzemeleri için standartlaştırılmış kütüphaneler).
  • [FONT:0]Onboard AI[DÜT:1] ticari dronelarda işlem sonrası işlemeye gerek kalmadan gerçek zamanlı olarak atık kategorileri sınıflandırmak ve rapor etmek için kategorilerini gerçek zamanlı olarak bildirebilir.
  • [0]Yeni uçuş koridorları[[Dönemli toprak depoları üzerinde), tekrarlanan izleme için düzenleyiciler tarafından onaylanmış.
  • [FONT:0) Atık fatura sistemleri ile ilgili olarak, , drone verilerinin gerçek atık kompozisyonuna dayanan ödeme tarifelerini bilgilendirmesi.

Ancak, droneların yakın vadede manuel olarak yerini değiştireceği tahmin edilemez. Fiziksel örnekleme, hava sensörlerinin elde edemeyeceği bir seviyeye sahiptir, özellikle mikroplastik veya izler metaller gibi iyi işlenmiş bileşenler için.En pragmatik yol ileriye dönük olarak, çoğu zaman, geniş çaplı anketler, hedefler ve anomalileri tespit etmek için yapılırken, hedefli manuel denetimler sonuçları doğrulayabilir ve yüksek sadakat verileri sağlar.

Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç Sonuç

Atık karakterizasyonu için drone ve hava görüntüleme kullanmanın fizibilitesini değerlendirmek, geleneksel yöntemler için tam bir yedek değil, ancak hızla uyumlu bir hız haline geliyor - ve planlama araçları için yol boyunca tekrarlanabilir veriler, daha önce hiç bir şekilde optimize edilmemiş, hava duyarlılığı, yönetmelik, görsel sınıflandırması doğruluk ve veri yönetimi, uzun vadeli bir yatırımla ilgili daha akıllıca bir şekilde sabitlenmeli projelere yönelik olarak, planlama ve makine öğrenimine devam ediyor.