Toward smarter management and recovery of municipal solid waste: A critical review on deep learning approaches

深度学习 多样性(控制论) 工程类 城市固体废物 人工智能 计算机科学 废物管理
作者
Kunsen Lin,Youcai Zhao,Jia‐Hong Kuo,Hao Deng,Feifei Cui,Zilong Zhang,Meilan Zhang,Chunlong Zhao,Xiaofeng Gao,Tao Zhou,Tao Wang
出处
期刊:Journal of Cleaner Production [Elsevier]
卷期号:346: 130943-130943 被引量:94
标识
DOI:10.1016/j.jclepro.2022.130943
摘要

Increasing generation of municipal solid waste, heterogeneity of waste composition, and complex processes of waste management and recovery have limited the performance of traditional treatment approaches. It is urgent to innovate waste management toward smarter and more efficient modes and break up the bottlenecks of the current system. Recently, deep learning has emerged as a powerful method for revealing hidden patterns or deducing correlations for which traditional treatment approaches face limitations or challenges. However, deep learning concepts and practices have not been widely utilized by researches in municipal solid waste management (MSWM). Herein, this research provides a critical review for deep learning and its application in MSWM. The framework and algorithms of a variety of deep learning methods have been compared and assessed. A body of deep learning applications have been reviewed according to their engagement in waste collection, transportation, and final disposal. Application of deep learning in MSWM stays in its infancy and requires great efforts for further development. The challenges and futures opportunities in the application of deep learning in the MSWM have been discussed to highlight the potential of deep learning in this field.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
更新
大幅提高文件上传限制,最高150M (2024-4-1)

科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
飞哥完成签到 ,获得积分10
4秒前
胡星星完成签到 ,获得积分10
4秒前
collapsar1完成签到,获得积分10
5秒前
科研通AI2S应助55555采纳,获得10
9秒前
雨洋完成签到,获得积分10
10秒前
WLY完成签到 ,获得积分10
10秒前
葶ting完成签到 ,获得积分10
10秒前
nkmenghan完成签到,获得积分10
16秒前
Hyacinth完成签到 ,获得积分10
19秒前
耀学菜菜完成签到,获得积分10
23秒前
陈少华完成签到 ,获得积分10
25秒前
江三村完成签到 ,获得积分10
27秒前
c_123完成签到 ,获得积分10
27秒前
柳树完成签到,获得积分10
29秒前
29秒前
跪斗丶完成签到 ,获得积分10
31秒前
Danielle完成签到,获得积分10
31秒前
Yolo完成签到 ,获得积分10
32秒前
好名字完成签到,获得积分10
33秒前
是述不是沭完成签到,获得积分10
33秒前
34秒前
Joy完成签到 ,获得积分10
36秒前
zodiac完成签到,获得积分10
42秒前
xshlzwyyh完成签到,获得积分10
47秒前
落霞与孤鹜齐飞完成签到,获得积分10
47秒前
文欣完成签到 ,获得积分10
54秒前
小王同学完成签到 ,获得积分10
55秒前
科研科研完成签到 ,获得积分10
59秒前
zhang完成签到 ,获得积分10
1分钟前
青木完成签到 ,获得积分10
1分钟前
Ethan完成签到 ,获得积分0
1分钟前
清秀龙猫完成签到 ,获得积分10
1分钟前
失眠的诗蕊完成签到,获得积分0
1分钟前
璐璐完成签到 ,获得积分10
1分钟前
奶油蜜豆卷完成签到,获得积分10
1分钟前
alixy完成签到,获得积分10
1分钟前
无言完成签到 ,获得积分10
1分钟前
辛勤的大帅完成签到,获得积分10
1分钟前
聪明摩托完成签到,获得积分10
1分钟前
困困困完成签到 ,获得积分10
1分钟前
高分求助中
The late Devonian Standard Conodont Zonation 2000
The Lali Section: An Excellent Reference Section for Upper - Devonian in South China 1500
Nickel superalloy market size, share, growth, trends, and forecast 2023-2030 1000
Smart but Scattered: The Revolutionary Executive Skills Approach to Helping Kids Reach Their Potential (第二版) 1000
Mantiden: Faszinierende Lauerjäger Faszinierende Lauerjäger 800
PraxisRatgeber: Mantiden: Faszinierende Lauerjäger 800
A new species of Coccus (Homoptera: Coccoidea) from Malawi 500
热门求助领域 (近24小时)
化学 医学 生物 材料科学 工程类 有机化学 生物化学 物理 内科学 纳米技术 计算机科学 化学工程 复合材料 基因 遗传学 催化作用 物理化学 免疫学 量子力学 细胞生物学
热门帖子
关注 科研通微信公众号,转发送积分 3244791
求助须知:如何正确求助?哪些是违规求助? 2888434
关于积分的说明 8252939
捐赠科研通 2556941
什么是DOI,文献DOI怎么找? 1385522
科研通“疑难数据库(出版商)”最低求助积分说明 650176
邀请新用户注册赠送积分活动 626303