木材和纺织废料监督分类中纹理特征提取技术的比较分析 Wilfrido Campos Francisco Jonathan Villanueva Tavira Jonathan Jesús Carranza Vega Blanca Dina Valenzuela Robles Erik Rosado Tamariz Andrés Blanco Ortega

《Recycling》：Comparative Analysis of Techniques for Texture Feature Extraction for Supervised Classification of Wood and Textile Waste Wilfrido Campos Francisco, Jonathan Villanueva Tavira, Jonathan Jesús Carranza Vega, Blanca Dina Valenzuela Robles, Erik Rosado Tamariz and Andrés Blanco Ortega

　　

摘要

城市固体废物（MSW）是全世界所有城市面临的一个普遍问题；预计到2050年，其产生量将增加到34000亿吨。在墨西哥，每天平均产生108,146吨的MSW。人工智能（AI）是一种计算机工具，可以帮助开发促进回收过程的系统。然而，大多数AI程序主要集中在纸张、塑料、玻璃和金属的分类上，因此木材和纺织品废弃物几乎没有受到足够的关注。通过使用局部二值模式（LBP）、灰度共生矩阵（GLCM）、定向梯度直方图（HOG）、Canny/Sobel边缘检测、分形维数（FD）等纹理技术，从4396张属于木材和纺织品类别的图像中提取并整合了特征值。利用随机森林重要性（Random Forest Importance）方法，选择了最显著的特征来训练三种机器学习（ML）算法。多层感知器（MLP）在准确性方面表现最佳，达到了96.70%；其次是随机森林（RF），为95.45%；支持向量机（SVM）为95.22%。这些比较的结果将为开发计算成本较低且能实现有效废物分离的新技术工具提供依据。