面向资源回收的建筑与拆除废弃物类别分割基准数据集CDW-Seg：真实杂乱场景下的自动化处理新突破

本研究针对建筑与拆除废弃物(CDW)管理中缺乏高质量公开数据集的问题，开发了首个真实场景下的多类别分割基准数据集CDW-Seg。该数据集包含430张高分辨率图像，涵盖10类常见废弃物，通过语义分割标注5,413个对象（总计24.9亿像素）。研究团队采用适配器微调的层次化视觉Transformer(hiera-ViT)模型验证数据集有效性，实现平均精度0.80和加权交并比(WIoU)0.73。该成果为自动化废弃物处理系统开发提供了关键数据支撑，推动资源回收领域的计算机视觉应用。

　　

在全球城市化进程加速的背景下，建筑与拆除废弃物(CDW)已占固体废弃物总量的40%，其不当处理导致土地退化、温室气体排放和资源浪费。当前废弃物分拣主要依赖人工，存在效率低、成本高、安全隐患等问题。虽然计算机视觉技术为自动化分拣提供了可能，但缺乏真实场景下的高质量数据集制约了技术发展。现有数据集多采集于受控环境（如传送带或称重桥），难以反映实际工地杂乱场景中废弃物堆叠、遮挡和光照变化的复杂性。

为解决这一瓶颈，莫纳什大学的研究团队开发了CDW-Seg数据集，相关成果发表于《Scientific Data》。该研究通过标准手机摄像头采集430张工地现场图像，涵盖混凝土、木材、金属等10类常见废弃物，采用Labelme工具进行像素级标注。为验证数据集实用性，研究采用冻结预训练hiera-ViT编码器、仅微调适配器层的策略，在保持模型性能的同时将可训练参数降至1.75%（3.94M/225.4M），适合资源受限的物料回收设施(MRF)部署。

【数据来源】
图像采集自墨尔本真实工地，包含俯视、斜角和侧视等多视角，模拟MRF监控系统的实际观测条件。原始图像分辨率3000×4000像素，单张标注平均耗时25分钟，最终形成Pascal VOC和COCO两种格式的标注文件。

【数据处理】
通过语义分割生成彩色编码的像素级掩膜，黑色区域表示未标注部分。数据集按75:15:10划分为训练集、验证集和测试集，类别分布分析显示混凝土（24.3%）、填土（18.7%）和木材（15.2%）占比最高。

【技术验证】
采用SAM2模型架构，其hiera-ViT-large编码器在10类废弃物分割中表现优异：混凝土（精度0.86）、木材（0.83）等材质规则的对象识别最佳，而钢材（0.71）和硬塑料（0.69）因表面反光特性识别较差。混淆矩阵显示主要误判发生在混凝土与填土（12%）、硬塑料与钢材（11%）等视觉相似类别间。定性分析显示模型能准确分割多数对象，但对潮湿填土与混凝土的区分、反光纸板与金属的鉴别仍需改进。

【数据记录】
数据集包含三个模块：原始图像与JSON标注文件、Pascal VOC格式的语义/实例分割掩膜、以及符合COCO标准的annotations.json文件。所有数据可通过Figshare获取（DOI:10.6084/m9.figshare.28573229）。

该研究创建了首个真实场景下的CDW细分基准数据集，其创新性体现在三个方面：一是填补了杂乱环境下废弃物分割数据的空白，二是验证了适配器微调策略在资源受限场景的适用性，三是公开标注数据促进跨模型比较。实际应用中，该数据集可支持机器人分拣系统开发，预计将人工分拣效率提升3-5倍。未来研究可结合多模态传感（如深度相机）进一步区分视觉相似材料，或探索半监督学习以降低标注成本。这项成果为建筑业的循环经济发展提供了重要的技术基础设施。