基于支持向量机的垃圾分类系统设计与实现.pdfVIP

智能家居物联网

基于支持向量机的垃圾分类系统设计与实现

许杨,杨艳

（攀枝花学院智能制造学院,四川省攀枝花市,617000)

摘要：随着人们生活水平不断提高，日常垃圾也急剧增加，绝大部分垃圾都是可以通过回收再重新利用的，避免资源的浪

费。针对垃圾分类难的问题，本文基于支持向量机(Supportvectormachine,SVM)技术设计开发垃圾分类系统，系统训练

模型使用常见的25种共八万张垃圾图片，通过SVM神经网络实现数据集和图预处理，设计相关SVM分类器。然后通过

测试过程所用的计算机环境配置以及网络模型部分参数设置，研究实验过程的实时优化。结果表明，该模型具有很好的

鲁棒性，无害垃圾和有害垃圾的识别准确率达到99%以上。

关键词：支持向量机；垃圾分类；机器学习；高准确率

0引言Tree1Tree2Treen

垃圾分类，作为一项关系到环境保护和资源利用的系

统工程,正日益受到全社会的关注[1]。随着城市化进程的

加快和居民生活水平的提高，垃圾产生量不断增加，垃圾

处理问题也日益严峻。垃圾分类不仅是解决环境问题的有

class1Class1Classn

效途径，也是实现资源循环利用的重要手段。机器视觉和

机器学习技术的快速发展，为垃圾分类带来了全新的机MajorityVotingforClassificationorAveragingforRegresslon

遇。这些技术能够显著提升垃圾分类的效率和准确性，并FinalClass

能推动整个垃圾处理产业的智能化升级[2-3]。图2随机森林算法流程图

1设计原理及方案也并不是很实用。Class+1

Class-1

SVM在垃圾分类领域具有较好的应用前景，特别是本系统将社会中存Missclassified

在小样本、高维特征和非线性分类问题上。通过提取垃圾在的垃圾分为两类，有

图像的特征（如颜色、纹理、形状等）,将其作为SVM的输害垃圾和无害垃圾，因

入，可实现对不同类型垃圾的准确分类。不仅如此，通过核此本质是一个二分类的

函数，SVM能处理非线性可分的数据，这对于复杂的垃圾问题[6]。SVM是一个二

图像分类问题非常重要[4]。垃圾分类的整体流程设计思路分类线性分类器，在分

如图1所示，投放的垃圾进入本实验设计的运行模式中，类超平面的正负两边各

可实现自动分类。除SVM外,其他机器学习算法[5](如随

找到一个离分类超平面图3支持向量机算法基本原理图

机森林、深度学习)在垃圾分类中也得到了广泛应用，如图最近的点（也就是支持向量），使得这两个点接近分类超平

2所示。其中，随机森林过拟合风险较高、对数据清洗和特面的距离和最大分类策略的目的：在保证对训练数据分类

征工程要求较高等并不适合本系统的开发。而深度学习适正确的基础上，对噪声设置尽可能多的穴余空间，提高分

合处理一些数据量大，计算能力强的数据，因此对本系统类器的鲁棒性，其算法基本原理图如图3所示。SVM的终

系统架构极目的是求出一个最优的线性分类超平面wx+b=0,要

垃圾投放获取图像运行识别结果自动控制实现分类求所有训练数据点距离、最优分类超平面的距离都要大

SVMJ

图1系统总设计流程图于支持