智能垃圾分类的瓶罐材质与颜色的视觉识别轻量CNN模型与边缘部署.docxVIP

PAGE2

智能垃圾分类的瓶罐材质与颜色的视觉识别轻量CNN模型与边缘部署

摘要

随着城市生活垃圾产量持续攀升，从源头实现精准分类成为资源化利用的关键瓶颈。瓶罐类废弃物材质多样、颜色混杂，人工分拣效率低、错误率高，现有自动化方案多依赖大型服务器与高功耗GPU，难以在社区、家庭等边缘场景低成本部署。本课题以塑料、玻璃、金属三类常见瓶罐为对象，设计一种轻量级卷积神经网络，实现材质与颜色的联合视觉识别，并将其量化部署至K210边缘AI芯片，构建完整的智能垃圾分类边缘推理系统。

全文遵循“需求分析→总体设计→详细设计→实现→测试”的工程递进思路展开。首先分析垃圾分类的现实痛点与边缘计算需求，确定毫秒级响应、毫瓦级功耗、高准确率的核心指标。随后设计基于深度可分离卷积的轻量CNN模型，参数量控制在0.3M以内，通过通道剪枝与8位整型量化，在K210上实现实时推理。设计包含图像采集、预处理、模型推理与结果输出四大模块，并完成串口通信与LED指示的硬件交互接口。系统实现后，在4200张多光照、多姿态样本组成的测试集上验证，平均分类准确率达96.8%，单次推理耗时42ms，功耗低于0.5W。核心创新点在于构建了面向极小算力芯片的材质-颜色双任务识别轻量模型，并形成了一套从训练、量化到边缘部署的完整工程方案，为消费级智能分类设备提供了可复现的技术路线。

第一章绪论

1.1研究背景

我国城市生