ДЕТЕКТИРОВАНИЕ ТВЁРДЫХ БЫТОВЫХ ОТХОДОВ С ПОМОЩЬЮ БПЛА В ПРЕДЕЛАХ ГОРОДСКОЙ АГЛОМЕРАЦИИ АЛМАТЫ
DOI:
https://doi.org/10.54668/2789-6323-2025-117-2-49-60Ключевые слова:
мониторинг, твердые отходы, данные с БПЛА , нейронные сети , YOLOv8Аннотация
Ускоренный рост городских агломераций Казахстана вызывает острые экологические проблемы, связанные с загрязнением воздушной, водной и наземной среды городов и пригородов. Растет число стихийных свалок мусора и бытовых отходов. Увеличение образования твердых бытовых отходов (ТБО) представляет собой серьезную экологическую проблему, особенно в урбанизированных и промышленных регионах. Традиционные методы мониторинга отходов являются трудоемкими и ограничены по масштабам. В этом исследовании предлагается система для автоматического детектирования ТБО, основанная на использовании снимков, полученных с борта БПЛА и модели глубокого обучения YOLOv8. В результате тестирования системы была достигнута высокая точность обнаружения ТБО: Precision 84,8 %, Recall 81,5 % и mAP@0.5 (85,1 %), при IoU 0,5. Визуальный анализ подтвердил способность модели эффективно обнаруживать отходы в различных условиях с минимальными ошибками. Результаты исследования могут быть интегрированы в системы экологического мониторинга для оперативного выявления несанкционированных свалок и оптимизации мероприятий по их ликвидации.
Библиографические ссылки
Бекежанов Д. Проблемы и перспективы утилизации твердых бытовых отходов в Республике Казахстан // Вестник КазНУ. – 2017. – № 1(81). – C. 227- 233.
Булекова А.А., Габдуллина С. Проблема утилизации ТБО // Вестник ЗКУ. – 2021. – № 1(81). – С. 448-454
Калиева С.С., Төлепов Ә.Е., Хойч А., Шаяхметова Л.М. Экономическая оценка политики по сокращению ТБО в Республике Казахстан с использованием метода условной оценки (CV) // Вестник университета «Туран». – 2024. – № 3. – С. 23-34. https://doi.org/10.46914/1562-2959-2024-1-3-23-34.
Hoornweg D., Bhada-Tata P. What a waste: A global review of solid waste management. World Bank, 2012.
Скрипка Г.И., Сапрыгин В.В., Ивлиева О.В., Беспалова Л.А., Глинка В.В. Опыт использования беспилотных летательных аппаратов для выявления мест размещения отходов в водоохранных зонах // Известия высших учебных заведений. Северо-Кавказский регион. Естественные науки. – 2023. – № 3(219). – С. 131-139. doi: 10.18522/1026-2237-2023-3-131-139.
Холявко Т.И. Динамика количества твердых бытовых отходов и их морфологический состав на примере Санкт-Петербурга, Стокгольма, Токио и Хельсинки Приоритетные научные направления: от теории к практике. – 2014. – № 10. – С. 16-21.
Сатбаева А. Около 80 миллиардов iPhone. Сколько мусора накопилось в Алматы и Астане//Tengrinews.kz [Электронный ресурс] URL: https://tengrinews.kz/kazakhstan_news/okolo-80-milliardov-iphone-skolko-musora-nakopilos-almatyi-493313/, дата обращения: 28.04.2025
Русаков К.Д. Использование глубокого обучения и беспилотных летательных аппаратов для обнаружения мусора на водной поверхности // Всероссийское совещание управления. – 2024. – С. 1157–1161.
Мониторинг мусорных полигонов с применением дронов // Aeromotus [Электронный ресурс]. – URL: https://aeromotus.ru/monitoring-of-landfills-from-uavs/, дата обращения: 11.01.2025
Redmon J., Divvala S., Girshick R., Farhadi A. You only look once: Unified, real-time object detection. In Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition, Las Vegas, NV, USA, 27–30 June 2016, pp. 779–788.
Casas E., Ramos L., Romero C., Rivas-Echeverría F. A review of computer vision applications for asset inspection in the oil and gas Industry. Journal of Pipeline Science and Engineering, 2024, pp. 100246. https://doi.org/10.1016/j.jpse.2024.100246.
Gheorghe C., Duguleana M., Boboc R.G., Postelnicu C.C. Analyzing Real-Time Object Detection with YOLO Algorithm in Automotive Applications: A Review. CMES - Computer Modeling in Engineering and Sciences, 2024, Vol. 141, Issue 3., pp. 1939-1981. https://doi.org/10.32604/cmes.2024.054735.
Han W., Luo W., Jin Y., Zho M. A Deep Learning Model for Automatic Plastic Waste Monitoring Using Unmanned Aerial Vehicle (UAV) Data. ESS Open Archive, 2021. https://doi.org/1010.1002/essoar.10507932.1.
Liao Y.-H., Juang J.-G. Real-Time UAV Trash Monitoring System. Applied Science, 2022, Vol. 12, pp. 1838. https://doi.org/10.3390/app12041838
Казаков С., Азаренко Н. Интеллектуальная система обнаружения и учета мусора на территории муниципалитета // Сборник статей IV Всероссийской научно-практической конференции, приуроченной к Году науки и технологий в России «Вызовы цифровой экономики: тренды развития в условиях последствий пандемии COVID-19». – Брянск, 2021. – С. 10–12.
Explanation of all of YOLO series Part 11. [Электронный ресурс]. URL: https://zenn.dev/yuto_mo/articles/14a87a0db17dfa, дата обращения: 11.01.2025
Набор данных COCO. [Электронный ресурс]. URL: https://docs.ultralytics.com/ru/datasets/detect/coco/, дата обращения: 11.01.2025
Roboflow. [Электронный ресурс]. URL: https://app.roboflow.com (дата обращения: 11.02.2025).
Загрузки
Опубликован
Как цитировать
Выпуск
Раздел
Лицензия
Copyright (c) 2025 Автор
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-NoDerivatives» («Атрибуция — Некоммерческое использование — Без производных произведений») 4.0 Всемирная.
