《Resources, Conservation and Recycling》：Progressive dataset expansion for AI-based plastic waste detection: A learning curve approach toward optimized future data collection
编辑推荐：
为解决工业塑料回收设施中自动化分拣精度与效率不足的问题，本研究采用You Only Look Once (YOLOv5)目标检测算法，对收集自真实工业场景的25,000张图像（共67,741个标注对象）进行渐进式训练。研究构建了8个递增的数据子集，训练了72个模型，系统评估了训练数据量、模型架构与批次大小对检测性能（mAP50）的影响。结果显示，在真实回收条件下最佳模型的总体mAP50为34.1%，且不同类别对数据量的需求差异显著。该工作首次将学习曲线分析应用于工业固体废物YOLO实时检测，为优化数据收集策略和计算资源配置提供了重要依据。
每年数以亿吨计的塑料制品在便利现代生活的同时，也带来了严峻的环境挑战。塑料废弃物充斥海洋、污染土壤，并在垃圾填埋场中存留数百年之久。回收，尽管被视为比填埋和焚烧更可持续的解决方案，但在全球范围内其年回收率仅有约12%。在机械回收流程中，塑料废物的准确分拣是决定最终再生品质和工厂盈利能力的关键环节。传统的人工分拣耗时费力，而基于密度等物理特性的自动化分拣则因塑料间性质重叠而效果有限。
近年来，基于人工智能(AI)和计算机视觉的自动化分拣技术展现出巨大潜力。这类系统通过传感器（如视觉成像）、处理单元（预训练的AI算法）和执行器（如机械臂）协同工作，能够快速识别并分离不同种类的塑料。然而，这项技术的落地面临一个核心瓶颈：如何构建一个强大且能在复杂工业环境中稳定工作的AI模型？一个普遍的认知是“数据越多，模型越好”，但对于处理现实中脏污、破损、重叠且背景多变的塑料废物来说，获取和标注高质量数据成本高昂。究竟需要多少数据才能达到实用的检测精度？增加数据带来的性能提升是否有极限？针对不同类别的塑料废物，数据需求又是否相同？这些问题在工业塑料废物检测领域仍缺乏系统的量化研究。
为此，由Nuwan Wijesinghe、Shanaka Baduge等人组成的研究团队在《Resources, Conservation and Recycling》期刊上发表了一项开创性研究。他们深入澳大利亚一家真实的塑料回收工厂，采集了海量的现场数据，并首次将“学习曲线”分析方法引入该领域，旨在为未来高效、经济的数据收集和模型部署绘制一张科学的路线图。
为开展此项研究，作者团队主要采用了以下几项关键技术方法：首先，在澳大利亚一家工业塑料回收厂的输送带末端部署了Basler acA4112 RGB相机与LED照明系统，采集了总计25,000张真实场景下的废塑料图像（分辨率为1280×720像素），并使用计算机视觉标注工具(CVAT)对图像中的67,741个对象进行了边界框标注，构建了包含56个类别（如HDPE、PET、PP及其亚类、污染物等）的数据集。其次，他们将数据集随机划分为8个体积递增的子集，并运用基于迁移学习的You Only Look Once (YOLOv5)目标检测算法，系统训练了72个模型，以探究训练数据量、模型架构（小、中、大）和批次大小(16, 32, 64)对性能的影响。最后，他们采用平均精度均值(mAP50)作为核心评价指标，并利用类别激活图(Eigen-CAM)进行模型可解释性分析，同时评估了模型在三种不同计算环境（通用CPU、NVIDIA V100和A100 GPU）下的推理性能。
模型性能分析
为了评估不同训练配置下的模型表现，研究人员记录了所有模型在验证集上的mAP50值。结果显示，在训练集规模最大的数据集-8上，使用YOLOv5中型架构（批次大小为16）和YOLOv5大型架构（批次大小为64）的模型取得了最高的总体mAP50，均为34.1%。大部分模型在训练过程中都较早地触发了早停机制，表明模型能够快速收敛至其最优性能点。值得注意的是，模型性能的提升与训练数据量呈正相关，但提升速率随着数据量的增加而递减。这一趋势通过一个对数函数被成功拟合，该曲线预测，即便将训练图像数量从4万张大幅增加至6万张，mAP50的预期提升也微乎其微，仅能从34%提高到约36%，揭示了性能提升的边际效应。研究还发现，模型架构（YOLOv5小、中、大）和训练批次大小的选择对最终的mAP50值影响甚微。此外，对更新版本YOLOv8和YOLOv11的初步测试表明，它们与YOLOv5展现出相似的学习模式，且mAP50略有提升。
类别级性能差异
模型在整体层面上的表现只是一个平均值，其在不同类别废物上的检测能力差异巨大。针对10个代表性类别（如HDPE天然奶瓶、黑色塑料、一般废物等）的分析清晰地揭示了这一点。
- •
视觉特征独特性是关键：对于视觉特征独特、易于识别的类别，如“HDPE透明奶瓶”，仅需约1500个对象就能达到超过80%的类别级平均精度(AP50)。而“PET绿色软饮料瓶”在拥有约400个对象后，其AP50便趋于稳定。相反，对于“一般废物”这类包含形状、颜色、材质极其多样且不熟悉的物体类别，即使拥有超过3000个对象，其AP50也未能突破30%，远低于所有类别的平均AP50水平。
- •
数据量的“稳定阈值”：研究发现，当一个类别所包含的对象数量少于1000时，其AP50值波动剧烈，模型难以形成有效的泛化能力。一旦对象数量超过1000，AP50的增长曲线便趋于平缓和稳定。这表明，确保每个目标类别拥有至少1000个标注对象，是构建一个稳定、有效检测模型的潜在基础。
推理效率与硬件选择
除了检测精度，在工业实时分拣场景中，模型的推理速度同样至关重要。研究评估了不同规模的YOLOv5模型在三种计算环境下的推理时间。不出所料，在计算能力最强的NVIDIA A100 GPU上，所有模型都达到了最快的推理速度。更重要的是，研究发现推理时间与神经网络的大小呈正相关：YOLOv5-小型模型最快，而YOLOv5-大型模型最慢。然而，对于同一模型，使用不同GPU进行推理时，其目标检测的准确率（概率）保持一致。这意味着，硬件选择需要在推理速度（影响分拣吞吐量）和成本（设备价格）之间取得平衡。
模型决策的可视化洞察
为了深入理解模型“看到了什么”以及为何会做出某些误判，研究团队使用了Eigen-CAM技术生成类别激活图。这些热力图显示，即使模型预测的类别是错误的，其注意力仍然集中在图像中正确的物体区域上。这表明模型的低mAP50（34.1%）并非源于无法定位物体，而更多是由于在区分视觉上相似的类别（例如不同颜色或形状的HDPE制品）时，其判别能力有限。模型能够捕捉到与可回收物相关的语义特征，但在精细分类上遇到了挑战。
综合以上结果，本研究得出了若干重要结论与启示。首先，尽管模型能够快速收敛，但整体34.1%的mAP50表明，仅靠增加数据量或微调现有YOLOv5架构的超参数，可能难以实现检测性能的质的飞跃。提升性能需要从数据质量（如增加每个类别的样本数至1000以上以稳定性能）、模型架构（探索如DETR等更先进的检测器）以及引入多传感器信息（如近红外光谱）等多方面进行系统性优化。其次，研究量化了“数据收益递减”现象，为工业界设定现实的数据收集目标和预算提供了关键依据——盲目追求海量数据可能得不偿失。再者，针对不同类别“因材施教”的数据收集策略被证明是高效的，例如对于特征独特的类别无需过度收集，而对于“一般废物”这类复杂类别则需要更高质量和多样性的数据。最后，在硬件部署层面，研究强调需要根据实际分拣线的速度要求和成本约束，在YOLO模型大小（影响精度与速度）和GPU算力之间进行权衡选择。
这项研究的意义在于，它超越了单纯追求更高检测精度的常规范式，而是通过严谨的学习曲线分析，为AI在工业塑料回收领域的实际应用提供了一套“成本-效益”分析框架。它告诉研究者和工程师：钱和精力应该花在哪里？是继续标注更多数据，还是改进模型算法，或是升级传感器？该研究为构建更经济、更高效的AI驱动型塑料回收系统迈出了坚实的一步，指明了未来技术升级与投资的关键方向。
