基于深度学习的垃圾分类系统设计与实现.docx

PAGE2

基于深度学习的垃圾分类系统设计与实现

摘要

自打从工业以来，机械逐渐代替手工，人类的生产力水平得以指数级提升。生产力水平提升的同时也使得垃圾产生的数量在飞速上涨。在国内越繁华的城市，人均垃圾产量越是大大超出了国内平均水平。大量的垃圾危害了人们的身体健康，也侵蚀着人类的活动区域面积。如何处理垃圾、怎样做到环保高效，这在我国以及全世界范围内都是一个亟待面对的棘手问题。但随着深度学习技术的发展，借助python技术使自动分拣垃圾具有了实现的可能性。

本系统旨在利用计算机高速的处理计算能力，采用现在流行的深度学习方法，构建神经网络，通过摄像头捕捉图片信息，对捕捉到的垃圾图像进行分类，同时进行及时的数据反馈和操作。本文的主要工作是以深度学习的理论和技术作为基础，并且针对我国垃圾分类现状以及垃圾处理所面临的多种问题，将改进后的网络模型应用到垃圾分类处理中，通过学习大量垃圾图片的特征得到模型参数并进行垃圾检测。尝试将深度学习运用到垃圾分类上，实现一个自动分类识别视频监控并标注Python系统。同时使用当下流行的小程序技术，将传感器采集到的数据通过

ESP8266模块发送到服务端，构建起一个垃圾信息实时查看系统，便于工作人员随时查看垃圾箱里的垃圾信息并且及时对这些垃圾信息进行处理。

关键词：垃圾分类；深度学习；Python；OpenCV

基于深度学习的垃圾分类系统设计与实现

姓名：黄森望学号：20170070126班级：2017级物联网工程

绪论

1.1选题背景及研究意义

垃圾，可以被定义为无用的东西，也可以认为是错误放置的社会资源。垃圾与人类的生活息息相关。垃圾的产生总是不可避免的，但是对垃圾进行处理是可以做到的。随着时代的发展和科技的进步，我们可以有多种不同的手

段处理垃圾。在古代我国，人们曾经用填埋、焚烧方式处理垃圾。但那个时候由于垃圾产生量较少，用焚烧处理的方式并未造成太多的生态问题。自打从工业以来，机械逐渐代替手工，人类的生产力水平得以指数级提升。生产力水平提升的同时也使得垃圾产生的数量在飞速上涨。据不完全统计，仅2018年，我国垃圾的总产量达到2.2801亿吨，人均垃圾产量达到了0.44吨。在国内越繁华的城市，像北京、上海、广州、深圳，人均垃圾产量越是大大超出了国内平均水平。大量的垃圾危害了人们的身体健康，也侵蚀着人类的活动区域面积。世界上有一些城市已经被垃圾包围，甚至形成垃圾城[1]。

所以，如何处理垃圾、怎样做到环保高效，这在我国以及全世界范围内都是一个亟待面对的棘手问题。

目前我国在垃圾处理的问题上没有明确的法律规定和设置惩罚制度，只能依靠人们的自觉来完成。而且公民从小在垃圾处理、垃圾分类的教育宣传不够，更加剧了后期垃圾处理人员对垃圾分拣处理难度。

合理地对垃圾进行分类是最终处理垃圾之前的关键步骤。

公民将垃圾按类别投放进不同的垃圾箱之后，垃圾被统一运送到垃圾处理厂。目前国内对垃圾进行处理的方式大多都是采用人力的方式，由专门的工作人员对垃圾进行分类。这种处理方式效率太过于低下，跟不上社会高速发展的节奏。与此同时也满足不了对海量垃圾的处理需求。而且工作人员长时间工作在垃圾处理的场所，对其身体健康非常不利。

深度学习技术在我国已经是日渐成熟，但是建立在深度学习基础上对垃圾进行分类处理，目前还属于刚起步阶段。由于垃圾的形状不一以及颜色变化较大，不容易手动提取类别特征，算法的识别精度不高，反应的速度也不能满足生产现场嵌入式设备的实时性要求。本文的工作目标是将深度学习方法用于垃圾图像识别的领域，开发垃圾分类中准确率高、速度快的深度学习算法，以利于设备快速分拣垃圾，提高效率，并降低人工成本。所以，本课题有较大的理论意义与应用价值。

1.2研究现状和发展趋势

深度学习是机器学习里面的一部分。所谓深度学习，主要是从零到一仿照人脑思维的运作方式构建出来的“机器脑袋”。深度学习这个概念在1940年前后被提出，经过多年的发展，深度学习的模型越来越多元化，准确性也在不断提升。我国在深度学习方面起步较晚，但在某些领域已经取得重大的成功。当今社会已经逐渐走向“智能化”，而深度学习作为其中一部分，在未来的发展中将会扮演着重大的角色。

1.3项目总体目标

针对垃圾日产量大的严峻形势以及垃圾分类难的现状，本文旨在利用计算机高速的处理计算能力，采用现在流行的深度学习方法，构建神经网络，通过摄像头捕捉图片信息，对捕捉到的垃圾图像进行分类，同时进行及时的数据反馈和操作。本文的主要工作是以深度学习的理论和技术作为基础，并且针对我国垃圾分类现状以及垃圾处理所面临的多种问题，将改进后的网络模型应用到垃圾分类处理中，通过学习大量垃圾图片的特征得到模型参数并进行垃圾检测。尝试将深度学习运用到垃圾分