Multimodalt och hyperspektralt dataset för segmentering av grovavfall med VIS-, IR-, NIR- och terahertzavbildning

Varför smartare avfallssortering spelar roll

Grov hushållsskräp — från trasiga garderober till tillbucklade soffor — innehåller ofta mycket återvinningsbart trä. Ändå hamnar mycket fortfarande i förbränning eller deponi eftersom maskiner har svårt att skilja trä från plast, metall och stoppning, särskilt när materialen ligger staplade eller är inbakade i varandra. Denna artikel presenterar WoodVIT, ett detaljerat bilddataset som tagits fram för att hjälpa artificiell intelligens att "se" in i sådana röriga högar bättre, så att framtida sorteringssystem kan återvinna mer trä på ett säkert och effektivt sätt.

Att betrakta avfall med nya slags ögon

Konventionella återvinningsmaskiner förlitar sig vanligtvis på kameror som ser ungefär som våra ögon. Det fungerar bra för rena, enkla föremål, men grovavfall är rörigt: trä kan vara målat, täckt av tyg, insvept i plast eller förstärkt med metall. Författarna angriper detta genom att kombinera fyra olika "vyer" av samma avfallsföremål. De använder en synlighetskamerа (vanliga färgbilder), en nära‑infraröd kamera som fångar materialspecifika spektrala fingeravtryck, en termalkamera som följer hur objekt värms upp och kyls ner, och en terahertzsensor som kan känna av strukturer under ytan. Var och en av teknikerna fångar olika fysikaliska egenskaper, och tillsammans ger de en mer komplett bild än någon enskild sensor ensam.

Från trasiga möbler till data för maskiner

För att bygga datasetet samlade teamet krossade möbler och annat grovavfall från en lokal avfallsanläggning. De placerade dessa blandade delar på standardiserade brädor som transporterades under de fyra sensorerna på ett transportband, vilket efterliknade en industriell sorteringslinje. Varje bräda fotograferades en gång av varje sensor, varefter alla fyra bilder noggrant justerades så att varje pixel i en bild motsvarade samma fysiska punkt i de andra. Mänskliga annotatörer ritade detaljerade konturer på färgbilderna och markerade trä, metall, plast, mineraler, stoppning och flera "täckta" situationer som metall dold under trä eller trä dolt under tyg. Dessa etiketter överfördes till de andra sensorvyerna, vilket resulterade i 56 fullt inpassade scener och 22 659 små bildpatchar redo för träning och testning av maskininlärningsmodeller.

Lära datorer att upptäcka trä och dolda faror

Huvuduppgiften i WoodVIT är enkel att formulera: avgör om varje liten bildpatch är "trä" eller "icke‑trä". Under ytan innebär detta att hantera 717 kanaler information per patch över de fyra sensorerna. Författarna testade flera neurala nätverksmodeller på denna uppgift och tränade dem antingen på enskilda sensorer eller på alla sensorer kombinerade. Modeller som använde enbart färgbilder klarade sig hyggligt, men de som fuserade information från alla fyra sensorer presterade bättre och mer konsekvent. Även om termisk och terahertzdata enskilt var svårare att lära sig av, blev de värdefulla när de kombinerades med färg- och nära‑infraröda vyer, särskilt i svåra scener där trä är täckt, staplat eller döljer metalldelar.

Att förstå ocklusion och komplexa scener

Ett utmärkande drag hos WoodVIT är fokus på realistiska, "icke‑ideala" situationer. Datasetet innehåller brädor där metsskruvar är inbäddade i trä eller där träramar är omslutna av skum eller tyg. För dessa täckta fall byggde forskarna upp den sanna referensen i två steg: de avbildade och märkte först bottenlagret, lade sedan på täckningen, fotograferade på nytt och slog ihop etiketterna. Denna noggranna design gör det möjligt att bedöma hur väl olika sensor‑kombinationer avslöjar vad som ligger under ytan. Författarna undersökte också pixelnivåsegmentering med en populär nätverksarkitektur som konturerar träområden inom varje patch. Både färg- och nära‑infraröda insatser gav precisa konturer, vilket visar att datan stödjer inte bara ja/nej‑beslut utan också detaljerade kartor över var träet faktiskt är.

Vad detta betyder för framtidens återvinning

För icke‑specialister är huvudbudskapet att smartare återvinning inte bara handlar om att bygga en bättre kamera — det handlar om att kombinera många sätt att se i en enda, sammanhängande vy. WoodVIT tillhandahåller råmaterialet för det: en offentligt tillgänglig, noggrant märkt bildsamling som fångar hur verkligt grovavfall ser ut över synligt ljus, infrarött och terahertzband. Genom att göra det möjligt för forskare att träna och jämföra avancerade algoritmer på samma utmanande, multimodala data, banar detta arbete väg för nästa generations sorteringssystem som kan återvinna mer användbart trä, upptäcka dolda metallkontaminanter och i slutänden göra grovavfallsåtervinning renare, säkrare och mer effektiv.

Citering: Bihler, M., Roming, L., Čibiraitė-Lukenskienė, D. et al. Multimodal and Hyperspectral Dataset for Segmentation of Bulky Waste using VIS, IR, NIR, and Terahertz Imaging. Sci Data 13, 498 (2026). https://doi.org/10.1038/s41597-026-07053-1

Nyckelord: återvinning av grovavfall, multimodal avbildning, hyperspektral data, sortering av trä, sensorfusion