控制理论与应用

作者：王子轩,汤健,夏恒,张晓晓,荆中岭,韩红桂

单位：北京工业大学信息学部,北京工业大学信息学部,北京工业大学信息学部,北京抱扑再生环保科技有限公司,北京抱扑再生环保科技有限公司,北京工业大学 信息学部

关键词：手机回收装备; 废旧手机识别; 并行差分进化; 深度森林; 深度学习

基金：国家重点研发计划项目(2018YFC1900800–5), 国家自然科学基金项目(62073006, 61573364, 61873009)资助.

废旧电子产品“互联网+回收”模式的推广, 使得无人化、智能化的废旧手机(UMP)回收装备成为典型城市固体废物资源化领域的重点关注对象. 本文以基于回收装备的UMP智能化识别组件为研究对象, 设计并实现了一种基于并行差分进化(PDE)–梯度特征深度森林(GfDF)算法的UMP识别方法. 本方法由UMP识别模型和PDE参数寻优模型组成, 其中: 前者包含的UMP定位裁剪模块基于Faster–RCNN模型对图像裁剪以获得有效信息, GfDF识别模块通过引入多尺度梯度特征策略使其更易学习“定位模块”抓取信息; 后者使用并行策略优化GfDF模型超参数以提高UMP识别精度. 实验结果表明, 相比于深度模型和其他机器学习模型, 本方法在识别精度和训练时间上均具有优势, 能够有效提高回收装备自动化程度和手机回收效率.

来源：2022年第11期

《控制理论与应用》期刊编辑部

查看控制理论与应用杂志2022年第11期