为解决废旧智能手机造成的环境污染及资源浪费问题,提出了废旧智能手机拆卸可行性价值评估模型与方法。以“小米3”智能手机拆卸和回收为例,基于智能手机分层树拆卸模型生成拆卸序列,建立拆卸和回收利润模型。提出价值评估方法,对手动拆卸和自动化拆卸两种拆卸方式下的废旧智能手机拆卸和回收价值进行评估,结果表明,自动化拆卸的回收利润远高于手动拆卸。

拆卸目标的自动检测是自动化拆卸的关键。针对基于深层神经网络算法的拆卸目标自动检测算法参数量大,导致的模型部署困难等问题,提出基于轻量级的YOLOX-Nano网络的目标组件智能检测方法。以十字螺钉为对象,构建数据集;提出基于迁移学习的YOLOX-Nano网络训练方法,基于试验法分析目标框回归损失和目标置信度损失对网络检测精度的影响规律,确定了最优的目标框回归损失和目标置信度损失组合,实现了网络检测精度的优化。最后,以某品牌插排为案例,对所提方法进行了实验验证。结果表明:使用轻量级网络实现十字螺钉检测,不仅得到了较为理想的检测效果,也大量减少了模型的部署时间,同时也为部署其他目标检测的轻量级网络提供了实验基础。