| 講演抄録／キーワード |
| 講演名 |
2026-06-22 14:50
事前学習・転移学習による電子部品の画像分類の試行
○井手口晴樹・李 祺・泉 知論（立命館大） |
| 抄録 |
（和） |
近年、電子機器の普及に伴い電子廃棄物が増加しており、効率的なリサイクル技術が求められている。特に、電子部品の自動識別・分類技術は、資源回収の効率化において重要である。本研究では、深層学習を用いた廃棄電子部品画像分類手法を検討した。分類モデルにはEfficientNet-B0を用い、転移学習およびファインチューニングを適用した。また、クラス不均衡問題への対策として、データ拡張と重み付きサンプリングを導入した。実験の結果、ファインチューニングは転移学習より高い分類性能を示し、クラス不均衡環境下でも安定した識別が可能であることを確認した。以上より、本手法は電子廃棄物の自動分類やリサイクル工程の効率化に有効であることが示された。 |
| （英） |
In recent years, the increase in electronic waste has become a serious issue due to the widespread use of electronic devices, and efficient recycling technologies are strongly required. In particular, automatic identification and classification of electronic components are important for improving the efficiency of resource recovery. In this study, an image classification method for waste electronic components using deep learning was investigated. EfficientNet-B0 was adopted as the classification model, and both transfer learning and fine-tuning were applied. In addition, data augmentation and weighted sampling were introduced to address the class imbalance problem. Experimental results showed that fine-tuning achieved higher classification performance than transfer learning and enabled stable classification even under class-imbalanced conditions. These results indicate that the proposed method is effective for automatic classification of electronic waste and improving the efficiency of recycling processes. |
| キーワード |
（和） |
電子廃棄物 / 深層学習 / 転移学習 / ファインチューニング / データ拡張 / / / |
| （英） |
Electronic Waste / Deep Learning / Transfer Learning / Fine-Tuning / Data Augmentation / / / |
| 文献情報 |
映情学技報, vol. 50, pp. 6-9, 2026年6月. |
| 資料番号 |
|
| 発行日 |
2026-06-15 (AIT) |
| ISSN |
Online edition: ISSN 2424-1970 |
| PDFダウンロード |
|