Теория и практика науки и образования №6 (6) август 2026 г.

Первичная сортировка определяет эффективность переработки твёрдых коммунальных отходов: смешивание материалов усложняет технологические процессы и снижает ценность вторичного сырья [1]. Ручные и механические методы сортировки ограничены по производительности при обработке неоднородных потоков, что обусловливает развитие автоматизированных систем на основе компьютерного зрения [2], [3].

Свёрточные нейронные сети достигают высокой точности распознавания категорий отходов [4], однако публикуемые оценки качества, как правило, получены на изображениях студийного качества. В реальных условиях сортировки снимки отличаются освещением, резкостью, зашумлённостью и частичным перекрытием объектов, из-за чего обобщающая способность моделей снижается [5].

Постановка задачи

Цель исследования — сравнить свёрточные архитектуры в задаче классификации изображений бытовых отходов и оценить, сохраняется ли их ранжирование по качеству при ухудшении условий съёмки. Проверяется предположение о том, что модель, лучшая на неискажённых изображениях, остаётся лучшей и при искажениях.

Формирование набора данных

Набор сформирован объединением трёх открытых источников. Исходные категории приведены к семи целевым классам: battery, cardboard, glass, metal, organic, paper, plastic. Из 38 781 обработанного изображения 30 265 сопоставлены с целевыми классами, 8 516 исключены как нерелевантные.

Точные дубликаты выявлялись хешем SHA-256, визуально близкие изображения — перцептивным хешем dHash с оценкой расстояния Хэмминга; подозрительными считались пары с расстоянием не более двух. Пары из разных классов проверялись вручную. Изображения одной группы сходства назначались только в одну выборку, что исключает утечку данных между обучением и контролем. Итоговый набор составил 26 079 изображений, разделённых в соотношении 80:10:10 с сохранением распределения классов: 20 864, 2 607 и 2 608 изображений соответственно.

Метод исследования

Применён перенос обучения: три архитектуры с весами, предобученными на ImageNet, с заменой выходного слоя на семиклассовый. Сравнивались ResNet-50 с остаточными связями [6], DenseNet-121 с плотной передачей признаков [7] и компактная EfficientNet-B0 [8].

Условия обучения для всех моделей совпадали: входной размер 224×224 пикселя, десять эпох, размер пакета 64, функция потерь — перекрёстная энтропия, оптимизатор AdamW, начальная скорость обучения 3·10⁻⁴. Для итоговой оценки сохранялась версия модели с минимальной ошибкой на валидационной выборке. К обучающей выборке применялись случайное кадрирование, отражение, поворот до 15 градусов и изменение яркости, контраста и насыщенности; контрольные выборки обрабатывались детерминированно.

Устойчивость проверялась на тестовой выборке, к которой применялись шесть искажений: гауссов шум, размытие, снижение и повышение яркости, снижение контраста и частичное перекрытие центральной области. Показателем служит F1-мера, усреднённая по классам, поскольку классы представлены неравномерно.

Результаты

Качество моделей на неискажённой тестовой выборке приведено в таблице 1.

Таблица 1

Качество моделей на тестовой выборке

Наилучшее значение F1-меры получила EfficientNet-B0 — 0,9116; ResNet-50 показала близкий результат 0,9108 при совпадающей точности; DenseNet-121 уступила по всем показателям. По отдельным классам лучшие значения F1-меры получены для battery (0,9421) и organic (0,9373), наименьшие — для glass (0,8942) и plastic (0,8961). Ошибки сосредоточены между визуально близкими материалами: стекло и пластик, бумага и картон, металл и пластик.

Результаты проверки устойчивости приведены в таблице 2.

Таблица 2

Значения F1-меры при искажениях тестовых изображений

Обсуждение результатов

Гауссов шум вызвал наиболее резкое падение качества у всех моделей. Для EfficientNet-B0 F1-мера снизилась с 0,9116 до 0,5174, то есть более чем на треть, тогда как ResNet-50 сохранила 0,6529. Таким образом, лучшая модель на неискажённых данных оказалась не лучшей при шуме, и ранжирование архитектур зависит от условий проверки. Исходное предположение подтвердилось лишь частично.

Различие объясняется устройством архитектур: остаточные связи ResNet-50 передают признаки напрямую между слоями, что ослабляет накопление шумовых возмущений при прохождении сети. Компактность EfficientNet-B0, обеспечивающая её преимущество на чистых данных, одновременно снижает избыточность представления и делает модель чувствительнее к нарушению входного сигнала.

При размытии соотношение обратное: EfficientNet-B0 сохранила 0,7878 против 0,6836 у ResNet-50. Изменение яркости, снижение контраста и частичное перекрытие повлияли умеренно — EfficientNet-B0 удержала F1-меру не ниже 0,8623, сохранив работоспособность даже при неполной видимости объекта. Отсюда следует, что выбор архитектуры определяется преобладающим типом искажений на конкретном участке сортировки: при зашумлённой съёмке предпочтительна ResNet-50, при прочих нарушениях — EfficientNet-B0.

Ограничения работы: искажения вносились программно и не воспроизводят всех особенностей промышленной съёмки; обучение ограничено десятью эпохами; аугментации, имитирующие шум и размытие, при обучении не применялись, что и объясняет уязвимость моделей именно к этим воздействиям.

Заключение

Сформирован набор из 26 079 изображений семи категорий бытовых отходов с контролем дубликатов и утечки данных между выборками. В единых условиях обучены три свёрточные архитектуры; наилучшее сбалансированное качество показала EfficientNet-B0 — точность 0,9072 при F1-мере 0,9116.
Установлено, что ранжирование моделей по качеству не сохраняется при ухудшении условий съёмки: при гауссовом шуме преимущество переходит к ResNet-50. Отсюда следует, что оценка на неискажённых данных недостаточна для выбора модели в прикладной системе сортировки, а проверку устойчивости целесообразно включать в протокол сравнения архитектур. Повышение устойчивости связано с включением шума и размытия в состав обучающих аугментаций и расширением набора данных снимками, полученными в реальных условиях.

***

1. Kaza S., Yao L., Bhada-Tata P., Van Woerden F. What a Waste 2.0: A Global Snapshot of Solid Waste Management to 2050. — Washington : World Bank, 2018. — 295 p. — DOI: 10.1596/978-1-4648-1329-0.
   
   
2. Gundupalli S. P., Hait S., Thakur A. A Review on Automated Sorting of Source-Separated Municipal Solid Waste for Recycling // Waste Management. — 2017. — Vol. 60. — P. 56–74. — DOI: 10.1016/j.wasman.2016.09.015.
   
   
3. LeCun Y., Bengio Y., Hinton G. Deep Learning // Nature. — 2015. — Vol. 521. — P. 436–444. — DOI: 10.1038/nature14539.
   
   
4. Zhang Q., Yang Q., Zhang X., [et al.] Waste Image Classification Based on Transfer Learning and Convolutional Neural Network // Waste Management. — 2021. — Vol. 135. — P. 150–157. — DOI: 10.1016/j.wasman.2021.08.038.
   
   
5. Hendrycks D., Dietterich T. Benchmarking Neural Network Robustness to Common Corruptions and Perturbations // Proceedings of the International Conference on Learning Representations. — New Orleans, 2019. — P. 1–16. — DOI: 10.48550/arXiv.1903.12261.
   
   
6. He K., Zhang X., Ren S., Sun J. Deep Residual Learning for Image Recognition // Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. — Las Vegas, 2016. — P. 770–778. — DOI: 10.1109/CVPR.2016.90.
   
   
7. Huang G., Liu Z., van der Maaten L., Weinberger K. Densely Connected Convolutional Networks // Proceedings of the IEEE Conference on Computer Vision and Pattern Recognition. — Honolulu, 2017. — P. 4700–4708. — DOI: 10.1109/CVPR.2017.243.
   
   
8. Tan M., Le Q. EfficientNet: Rethinking Model Scaling for Convolutional Neural Networks // Proceedings of the 36th International Conference on Machine Learning. — Long Beach, 2019. — P. 6105–6114. — DOI: 10.48550/arXiv.1905.11946.
   
   
9. Shorten C., Khoshgoftaar T. A Survey on Image Data Augmentation for Deep Learning // Journal of Big Data. — 2019. — Vol. 6, № 60. — P. 1–48. — DOI: 10.1186/s40537-019-0197-0.