Title: “Integration of IoT with Deep Learning for Structuring Sustainable and

Autonomous Waste Management System in University Campus”

Keywords: deep learning, autonomous waste management system, Internet of
Things, sustainable development, smart university campus.
Abstracts:
Machine Learning and Internet of Things have been applied widely and developed
rapidly in recent years for sustainable development. For a smart university campus,
we can apply these technologies to construct an autonomous end-to-end waste
management process by using an autonomous truck to collect as well as transfer
garbage from smart bins to the waste station. This paper focuses on structuring
autonomous truck by utilizing Jetson Nano, STM32F4, Arduino Mega, cameras for
hardware structure and TensorFlow, OpenCV for software structure and
autonomous bins by applying ARM CortexM3 Microcontroller, ESP8266 with
GPS and some sensors. This vehicle can detect and recognize obstacles, traffic
signals and students on its route as well as map itself. Moreover, the
implementation of Deep Learning, IoT, wireless sensors network, actuators and
cloud computing combined with solar energy can not only save huge amount of
charge and time, but also reduce great amount of CO2 emissions. The most
important goal of our research is creating eco-friendly self-operated waste-
management-system in university campus.

Auf Deutsch:
Machine Learning und Internet der Dinge sind heutzutage für nachhaltige
Entwicklung sowohl weitgehend verwendet als auch rasant entwickelt. Zum
intelligenten Universitätscampus können wir diese Technologien anwenden, um
selbständiges durchgehendes Abfallbehandlungssystem zu kreieren. Dass
autonome Kleinlaster nicht nur Abfallprodukte von intelligenten Mülleimer
sammeln, sondern auch sie zur Abfallstation übertragen, ist unsere Methode. Diese
Forschung richtet auf sowohl den Aufbau von autonomen Kleinlastern aufgrund
Jetson Nano, STM32F4, Arduino Mega, Kameras für Maschinenausstattung und
TensorFlow, OpenCV für Programmausstattung als auch die Anlage von
intelligenten Mülleimern auf Basis von ARM CortexM3 Microcontroller,
ESP8266, GPS und einigen spezifischen Sensoren. Diese Fahrzeuge können in
deren Route Hürden, Verkehrszeichen und Studenten aufspüren sowie erkennen.
Hinzukommt, dass wegen die Umsetzung von Deep Learning, IoT, drahtlosen
Sensornetzwerken, Stellmotoren, Cloud-Computing und auch Sonnenenergie
einerseits riesige Zeitmenge und Geburt gespart werden, andrerseits enormen Co2-
Ausstoß reduziert werden können. Das wichtigste Ziel unserer Forschung ist
umweltfreundliches selbständiges Abfallbehandlungssystem im
Universitätscampus zum Bauen.