摘要
由于城市固体废物在外观、形状变化、污染程度以及消费者处置行为方面的高度不确定性，自动化分类仍然面临挑战。这迫切需要具有代表性的多模态数据集，以便开发出鲁棒的机器学习模型。在这项研究中，我们设计了一种定制的边缘节点逆向售货机（RVM）数据收集站，该设备配备了多模态传感器（RGB-D摄像机和麦克风阵列），能够在同一采集窗口内同时记录RGB-D视频流和声音数据。我们制定了严格的数据采集协议，以确保采集环境的一致性、可控的照明条件以及统一的背景环境，同时能够捕捉到希腊消费者日常生活中产生的各种废物特征。最终得到的数据集包含了3300个多模态样本，这些样本对应于721种不同的家庭废弃物类型。每个样本都经过了全面标注，涵盖了六个对回收至关重要的分类类别：材料（18个类别）、颜色色调（16个类别）、容器盖子、标签、污染程度以及形状变化。此外，我们还添加了“上下文中的常见物体”（COCO）标注，以支持物体分割和检测任务。该数据集旨在支持多模态废物识别、传感器融合以及资源高效分类方面的研究，并为评估用于边缘部署的回收系统的相关模型提供基础。
