基于深度学习的智能垃圾分类系统研究.pdfVIP

机械工程师

MECHANICALENGINEER

基于深度学习的智能垃圾分类系统研

战秋成，季龙华，赵际云，修艳琪，戴婷婷

（哈尔滨理工大学机械动力工程学院，哈尔滨150080）

摘要：目前我国对于智能化垃圾分类回收仍处于完善推广阶段。文中应用重构优化后的YOLOv5神经网络模型，搭配

YOLOv5.s权重，TensorRT加速等手段能取得良好的智能垃圾分类识别效果，在其自建数据集准确率达95.23%以上，移动

端部署识别速度达120fps以上，同时搭配多级分类机构和物联网云平台等手段，能较好地实现智能垃圾分类系统社区化

部署。有望解决日常生活中生活垃圾的自动分类问题，进一步缓解了日益增加的垃圾种类多、分类困难的问题，促进了垃圾

分类的普及。

关键词：

垃圾分类；深度学习；智能化；自动分类

中图分类号:TH122文献标志码:粤文章编号：员园园圆原圆猿猿猿（圆园22）08原园100原园

ResearchonIntelligentWasteClassificationSystemBasedonDeepLearning

ZHANQiucheng,JILonghua,ZHAOJiyun,XIUYanqi,DAITingting

(SchoolofMechanicalandPowerEngineering,HarbinUniversityofTechnology,Harbin150080,China)

Abstract:Atpresent,Chinaisstillinthestageofimprovementandpromotionforintelligentwasteclassificationand

recycling.Thispaperappliesthereconstructedandoptimizedyolov5neuralnetworkmodelandyolov5.sweight,tensorrt

accelerationandothermeanstoachievegoodintelligentwasteclassificationandrecognitionresults.Theaccuracyofits

self-builtdatasetismorethan95.23%,andtherecognitionspeedofmobileterminaldeploymentismorethan120fps.At

thesametime,itiscombinedwithmulti-levelclassificationmechanism,Internetofthingscloudplatformandothermeans.

Itcanbetterrealizethecommunitydeploymentofintelligentwasteclassificationsystem.Itisexpectedtosolvethe

problemofautomaticclassificationofdomesticwasteindailylife,furtheralleviatetheincreasingproblemofmanytypes

ofwasteanddifficultclassification,andpromotethepopularizationofwasteclassification.

Keywords:wasteclassification;deeplearning;intellectualization;automaticclassification

0引言

据不完全统计，截至2019年全国每年仅城市