Les résultats de la recherche représentent une avancée significative dans l’automatisation de la surveillance des déchets dans les secteurs de la construction et de la démolition. En utilisant le modèle YOLO v8 Nano, l’étude permet de détecter les déchets en temps réel, d’améliorer sensiblement l’efficacité opérationnelle et de réaliser des économies substantielles. Cette détection en temps réel garantit l’enlèvement rapide des déchets, réduisant ainsi le nombre de bennes à ordures surchargées et les dépenses opérationnelles qui en découlent. En outre, la recherche introduit un aspect novateur en établissant une base de données des événements de déversement de déchets. Cette base de données permet un suivi continu des progrès, offrant des informations précieuses sur les modèles, les quantités et les types d’élimination des déchets. Par conséquent, ces données servent de base cruciale à la prise de décision fondée sur les données et à l’affinement des futures stratégies de gestion des déchets.
En outre, la recherche introduit un ensemble de données personnalisé, méticuleusement adapté aux exigences spécifiques de la surveillance des déchets. Cet ensemble de données comprend trois classes distinctes : Véhicule, Homme et Benne. Il constitue une ressource essentielle pour la formation et l’évaluation du modèle YOLO v8 Nano, en garantissant sa précision et son adéquation aux applications du monde réel. Cet ensemble de données ne soutient pas seulement les objectifs de la recherche, mais contribue également à la communauté universitaire au sens large en tant que référence pour les recherches futures en matière de détection d’objets et de systèmes de surveillance. Les résultats attendus de cette recherche s’étendent aux applications académiques et pratiques, enrichissant les domaines de la vision par ordinateur et de l’apprentissage profond et facilitant les progrès dans les pratiques de surveillance automatisée des déchets.
La recherche devrait apporter des contributions significatives aux domaines universitaire et industriel. Dans le monde universitaire, elle montrera le potentiel de la vision par ordinateur dans le domaine de la construction en présentant l’application pratique de la détection d’objets pour la surveillance des déchets en temps réel. Les résultats de la recherche serviront d’étude de cas précieuse pour les études futures sur la détection d’objets et les systèmes de surveillance automatisés. Dans l’industrie, la recherche offre des solutions pratiques à un problème de longue date dans la gestion des déchets de construction et de démolition. Elle introduit une approche rentable et efficace que les entreprises de construction, les sociétés de gestion des déchets et les organismes de réglementation peuvent adopter. L’automatisation de la surveillance des déchets et la création d’une base de données sur les déversements de déchets entraîneront des avantages tangibles tels que la réduction des coûts opérationnels, la rationalisation de la gestion des déchets et l’amélioration des pratiques de développement durable, contribuant ainsi à un secteur de la construction plus respectueux de l’environnement.
