基于深度卷积神经网络的自动垃圾分类

桑一梅 陆萍

摘要：垃圾分类已经成为当前社会生活的新风尚。本论述针对当前垃圾分类工作环境差和容易分类出错的问题，研究基于深度学习的垃圾自动分类方法，并设计基于深度残差卷积神经网络ResNet50的垃圾识别方法。为避免垃圾图像数据集中训练数据量的不足，采用对使用ImageNet训练好的ResNet50模型进行迁移微调的方法来优化网络参数。在华为云垃圾图像数据集上的实验结果表明，该方案可以到94%左右的分类准确率，基本上能够满足城市生活垃圾自动分类的需求。

关键词：深度学习;卷积神经网络;迁移学习;图像识别;垃圾分类

中图分类号：TP391.4            文献标志码：A

0引言

伴随我国城市化发展的不断深入与人民生活水平的提高，城市生活垃圾的产生量急剧增加，成为环境治理刻不容缓的问题。在对生活垃圾的处理上，传统的填埋与焚烧处理存在着占用土地、污染地下水、排放废气等问题，而且处理能力有限。事实上，生活垃圾中绝大部分是可以通过分类回收实现循环利用的。为此我国已在各大城市推行垃圾分类制度，通过合理的分类投放从源头上减少生活垃圾数量，促进资源回收利用。

尽管目前各大城市推行垃圾分类已有一段时间，但总体收效仍有待提升。其中的原因一方面是人们长久以来的不分类习惯，在短时间内很难彻底改变。另一方面在于各城市制定的垃圾分类规则比较复杂，市民在投放垃圾时难以准确地进行分类投放。……