표제지
국문초록
목차
제1장 서론 15
제1절 연구의 배경 15
1) 음식물쓰레기로 인한 사회/경제적 낭비 요소 15
2) 음식물쓰레기 줄이기 정부 시책 17
3) 2050 탄소중립 체계 출범 18
제2절 연구의 필요성 19
1) 탄소 자원화의 중요성 19
2) 이물질로 인한 처리비용 증가 20
제3절 연구의 목적 및 방법 24
1) 연구의 목적 24
2) 연구의 방법 25
3) 연구의 범위 25
제2장 이론적 배경 및 선행 연구 26
제1절 음식물쓰레기 종량제 적용에 관한 연구 28
1) RFID 28
2) 음식물쓰레기 종량제 33
제2절 이물질 구분을 위한 이미지 학습에 관한 인공지능 연구 46
1) 이미지 기반 알고리즘 모델 49
2) 인공지능에 관한 선행 연구 58
제3장 음식물쓰레기 이물질 구분을 위한 모델 설계 64
제1절 이미지 기반 딥러닝 모델 개요 64
1) 실험데이터 개요 64
2) 데이터셋 구성 66
3) 데이터의 분포 67
4) 데이터의 포맷 68
제2절 이물질 구분을 위한 알고리즘 설계 70
1) 실험 정의 70
2) 데이터의 전처리 72
3) 실험 환경 76
제4장 딥러닝 적용 이물질 구분 시스템 구현 및 테스트 81
제1절 모델별 이물질 구분 시스템 구현 81
1) 구현 범위 81
2) 성능평가 82
제2절 모델별 이물질 구분시스템 테스트 평가 86
1) 전체 이미지에 적용된 모델별 분류 결과 86
2) 부분 이미지에 적용된 모델별 분류 결과 90
3) 전체 이미지와 부분 이미지에 적용된 모델별 분류 결과 비교 94
4) EfficientNet 모델 적용한 집하장 이미지 분류 결과 112
제3절 연구의 성과 118
1) 이물질 구분시스템의 기대 효과 118
2) 이물질 구분시스템의 시사점 119
제5장 결론 121
참고문헌 123
ABSTRACT 129
[표 1-1] 음식물쓰레기 중 이물질 종류와 장애 현상 22
[표 2-1] 정부 기관별 RFID 기술의 정의 29
[표 2-2] RFID와 바코드 기술 특성 비교 30
[표 2-3] 경제성분석 지표 32
[표 2-4] 음식물쓰레기 종량제 수거기의 호퍼승하강장치 40
[표 2-5] 적용 기술 41
[표 2-6] 응답자 특성 44
[표 2-7] 만족도 45
[표 3-1] 폐기물 종류별 세부 분류 66
[표 3-2] 데이터셋 구성 66
[표 3-3] 선별 데이터 상세정의 68
[표 3-4] VGG-16 Model 80
[표 4-1] VGG 분류 모델의 전체 이미지 분류 결과 86
[표 4-2] ResNet 분류 모델의 전체 이미지 분류 결과 87
[표 4-3] EfficientNet 분류 모델의 전체 이미지 분류 결과 88
[표 4-4] VGG 분류 모델의 부분 이미지 분류 결과 90
[표 4-5] ResNet 분류 모델의 부분 이미지 분류 결과 91
[표 4-6] EfficientNet 분류 모델의 분류 결과 92
[표 4-7] 집하장 이미지 EfficientNet 분류 모델 분류 결과 114
[그림 1-1] 버려진 음식물이 끼치는 영향 16
[그림 1-2] 음식물쓰레기 20% 감소 시 효과 16
[그림 1-3] 음식물쓰레기 줄이기 정부 시책 17
[그림 1-4] 음식물쓰레기 종량제 수수료 부과방식 18
[그림 1-5] 쓰레기 처리 과정 20
[그림 1-6] 음식물쓰레기 처리 과정 21
[그림 1-7] 서울시 공공 처리시설 5곳 음식물쓰레기 처리현황 23
[그림 2-1] 음식물쓰레기 배출과 처리 과정 26
[그림 2-2] 종량제 유형 및 적용방식 34
[그림 2-3] 권장 우선순위 35
[그림 2-4] 선불방식 36
[그림 2-5] 후불방식 36
[그림 2-6] 호퍼승하강장치가 적용된 내부 모습 41
[그림 2-7] 중량 한계시험 42
[그림 2-8] 분동을 이용한 편심 시험 42
[그림 2-9] 서울시 마포구 아파트 배출량 43
[그림 2-10] 대전시 유성구 아파트 배출량 43
[그림 2-11] 인천시 강화군 아파트 배출량 44
[그림 2-12] 음식물쓰레기 종량기 만족도 45
[그림 2-13] 인공지능(AI) 변천사 46
[그림 2-14] 이미지 인식을 대표하는 태스크 49
[그림 2-15] CNN 구조 50
[그림 2-16] VGG-16 기본 아키텍처 51
[그림 2-17] ResNet 구조 52
[그림 2-18] EfficientNet Model Scaling 55
[그림 2-19] ImageNet 모델 간 정확도 순위 55
[그림 3-1] 생활폐기물 데이터 AI 서비스 흐름도 65
[그림 3-2] 데이터 포맷 69
[그림 3-3] 음식물쓰레기 처리 흐름도 71
[그림 3-4] 음식물쓰레기 이물질 구분시스템 흐름도 71
[그림 3-5] 이물질 구분시스템 흐름도(2) 72
[그림 3-6] 데이터 증식 방법 74
[그림 3-7] 전통적인 기계학습과 전이 학습 비교 75
[그림 3-8] 케라스와 텐서플로 77
[그림 4-1] 테스트 데이터셋 이미지 81
[그림 4-2] 예측 클래스(Predicted Class) 83
[그림 4-3] 전체 이미지에 대한 모델별 F1 스코어 및 정확도 비교 89
[그림 4-4] 부분 이미지에 대한 모델별 F1 스코어 및 정확도 비교 93
[그림 4-5] # 0(고철류)에 대한 모델별 정밀도 비교 94
[그림 4-6] # 0(고철류)에 대한 모델별 재현율 비교 95
[그림 4-7] # 0(고철류)에 대한 모델별 F1 스코어 비교 96
[그림 4-8] # 1(비닐류)에 대한 모델별 정밀도 비교 97
[그림 4-9] # 1(비닐류)에 대한 모델별 재현율 비교 98
[그림 4-10] # 1(비닐류)에 대한 모델별 F1 스코어 비교 99
[그림 4-11] # 2(캔류)에 대한 모델별 정밀도 비교 100
[그림 4-12] # 2(캔류)에 대한 모델별 재현율 비교 101
[그림 4-13] # 2(캔류)에 대한 모델별 F1 스코어 비교 102
[그림 4-14] # 3(나무류)에 대한 모델별 정밀도 비교 103
[그림 4-15] # 3(나무류)에 대한 모델별 재현율 비교 104
[그림 4-16] # 3(나무류)에 대한 모델별 F1 스코어 비교 105
[그림 4-17] # 4(도기류)에 대한 모델별 정밀도 비교 106
[그림 4-18] # 4(도기류)에 대한 모델별 재현율 비교 107
[그림 4-19] # 4(도기류)에 대한 모델별 F1 스코어 비교 108
[그림 4-20] # 5(플라스틱류)에 대한 모델별 정밀도 비교 109
[그림 4-21] # 5(플라스틱류)에 대한 모델별 재현율 비교 110
[그림 4-22] # 5(플라스틱류)에 대한 모델별 F1 스코어 비교 111
[그림 4-23] 집하장 음식물쓰레기 이물질 선별 작업대 113
[그림 4-24] 집하장 음식물쓰레기 이물질 이미지 113
[그림 4-25] EfficientNet 모델의 카테고리별 정밀도 비교 115
[그림 4-26] EfficientNet 모델의 F1 스코어와 정확도 비교 116
[그림 4-27] EfficientNet 모델의 정밀도와 재현율 비교 117
[그림 4-28] 이물질 제거 시스템 119