[논문 리뷰] AGDC: Automatic Garbage Detection and Collection

Siddhant Bansal, Seema Patel외 4명|arXiv (Cornell University)|2019. 08. 16.

Advanced Neural Network Applications참고 문헌 10인용 수 25

한 줄 요약

이 논문은 컴퓨터 시각과 마이크로컨트롤러로 구동되는 로봇 팔을 사용하여 자동 쓰레기 탐지 및 수거를 위한 저비용, 인공지능 기반의 로봇 시스템인 AGDC를 제시한다. 라즈베리 파이에서 3~4 fps의 실시간 탐지 성능을 달성하며, 90% 이상의 신뢰도를 확보하여 쓰레기와 귀중한 물건을 구분하고 도시 쓰레기 관리 환경에서 자율 수거 기능을 구현한다.

ABSTRACT

Waste management is one of the significant problems throughout the world. Contemporaneous methods find it difficult to manage the volume of solid waste generated by the growing urban population. In this paper, we propose a system which is very hygienic and cheap that uses Artificial Intelligence algorithms for detection of the garbage. Once the garbage is detected the system calculates the position of the garbage by the use of the camera only. The proposed system is capable of distinguishing between valuables and garbage with more than 95% confidence in real-time. Finally, a robotic arm controlled by the microcontroller is used to pick up the garbage and places it in the bin. Concluding, the paper explains a system that is capable of working as a human in terms of inspecting and collecting the garbage. The system is able to achieve 3-4 frames per second on the Raspberry Pi, capable of detecting the garbage in real-time with 90%+ confidence.

연구 동기 및 목표

• 도시의 고체 쓰레기 관리 문제 증가에 대응하기 위해 자동화되고 저비용인 솔루션을 제공하기 위해.
• 컴퓨터 시각과 카메라 기반 위치 추정을 사용하여 실시간으로 쓰레기를 탐지할 수 있는 시스템을 개발하기 위해.
• 마이크로컨트롤러로 제어되는 로봇 팔을 사용하여 탐지된 쓰레기를 자율적으로 수거할 수 있도록 하기 위해.
• 실생활 조건에서 쓰레기와 귀중한 물건을 95% 이상의 높은 신뢰도로 구분할 수 있도록 하기 위해.

제안 방법

• 시스템은 사전 훈련된 딥러닝 모델을 사용하여 실시간 영상 캡처를 통해 객체 탐지를 수행한다.
• 심층 신경망(CNN)을 사용하여 쓰레기 또는 귀중한 물품으로 객체를 고도로 신뢰도 있게 분류한다.
• 기하학적 校정과 깊이 추정을 통해 카메라 데이터를 처리하여 탐지된 쓰레기의 3차원 위치를 추정한다.
• 마이크로컨트롤러(예: 아두이노 또는 유사 장치)가 탐지된 좌표를 기반으로 로봇 팔을 제어하여 물리적으로 쓰레기를 수거한다.
• 시스템은 라즈베리 파이에서 실행되며, 3~4 프레임 매초의 저지연 추론 최적화를 위해 설계되었다.
• 객체 탐지, 위치 추정, 로봇 액추에이터 제어를 하나의 자율 워크플로우로 통합한다.

실험 결과

연구 질문

• RQ1 저비용, 인공지능 기반의 시스템이 도시 환경에서 고정밀도로 실시간으로 쓰레기를 탐지할 수 있는가?
• RQ2 카메라 입력만으로도 시스템이 쓰레기와 귀중한 물건을 얼마나 정확히 구분할 수 있는가?
• RQ3 라즈베리 파이와 같은 저전력 하드웨어에 배포했을 때 시스템의 실시간 성능은 어떠한가?
• RQ4 카메라에서 유도된 물체 위치를 기반으로 로봇 팔을 신뢰성 있게 제어하여 자율적인 쓰레기 수거가 가능한가?
• RQ5 시스템은 일상적인 쓰레기 수거 작업에서 인간의 참여를 얼마나 줄일 수 있는가?

주요 결과

• 시스템은 라즈베리 파이에서 3~4 프레임 매초의 실시간 작동을 달성하여 실시간 쓰레기 탐지 기능을 제공한다.
• 쓰레기 분류에 대한 객체 탐지 신뢰도가 90% 이상이며, 쓰레기와 귀중한 물품을 구분할 때 95% 이상의 높은 신뢰도를 확보한다.
• 카메라 입력만으로도 쓰레기를 성공적으로 국소화하여 정확한 로봇 팔 타겟팅을 가능하게 한다.
• 로봇 팔은 계산된 위치를 기반으로 탐지된 쓰레기를 물리적으로 수거할 수 있다.
• AI, 시각, 액추에이터 기술의 통합은 도시 배치에 적합한 완전 자율적이고 저비용 솔루션을 제공한다.
• 시스템은 인구 밀도가 높은 지역에서의 확장 가능하고 위생적이며 자동화된 쓰레기 관리의 실현 가능성을 입증한다.