用于废弃电气和电子设备识别以及电池检测和分类的带注释数据集

《Scientific Data》：Annotated datasets for waste electrical and electronic equipment identification and battery detection and classification

　　

摘要

本文介绍了循环经济中先进机器人技术和人工智能在关键原材料回收项目（XBAT+）中发布的标注数据集的初步成果。在访问回收设施和收集活动期间，从普通电子电气废物（WEEE）中分离出了相对较小的电池类废弃物。最初定义了50个电池类WEEE类别，通过应用频率筛选标准将其缩减至15个类别，共包含421件电池类WEEE设备。对电池类WEEE设备进行光学和X射线成像时，某些设备产生了多张图像，共计3045张静态图像。这些图像被分为高质量、中等质量和RGB质量的数据集，并进行了半自动标注，随后被划分为训练集和测试集。具体来说，在每个类别中，20%的图像被分配到测试集，其余的分配到训练集。使用YOLO26和RF-DETR进行评估后，结果显示基于监督学习的电池类WEEE识别及电池/非电池检测方法在mAP@50和召回率方面表现良好，这凸显了XBAT+数据集在实现WEEE分类和降低回收设施中电池相关火灾风险方面的潜力。