刘远旭_基于深度学习的智能分类垃圾桶_格式调整版.docx

本科毕业设计（论文）

基于深度学习的智能分类垃圾桶

Intelligentclassificationtrashcanbasedondeeplearning

院（系）计算机科学与技术专业电子信息工程班级4班学号16210420405学生姓名刘远旭指导教师杨斌提交日期年月日

毕业设计（论文）原创性声明

本人郑重声明：所呈交的毕业设计（论文），是本人在指导老师的指导下，独立进行的设计（研究）工作及取得的成果，论文中引用他人的文献、数据、图件、资料均已明确标注出，论文中的结论和结果为本人独立完成，不包含他人已经发表或撰写的作品及成果。对本文的研究作出贡献的个人和集体，均已在论文中作了明确的说明。本人完全意识到本声明的法律结果由本人承担。

毕业论文作者（签字）：签字日期：年月日

PAGE\*MERGEFORMATIX
中文摘要
随着人类科技的进步和生活质量的提高，随之而产生的生活垃圾也越来越多，因此如何有效的回收处理生活垃圾成为人们关注的焦点。调查研究发现，在源头处对垃圾进行分类处理的方法是整个垃圾分类处理流程中最高效的也是分类最彻底的。
而当前的分类规则其一是难以做到各地全部统一，另一方面是垃圾分类种类繁多，难以区分，会对人的生活质量造成一定影响。
目前市面上出现了种类繁多的“智能垃圾桶”，但基本都只是实现了自动开合功能，不具备垃圾分类识别的能力。而当前的人工智能技术正在飞速发展，深度学习领域的图像识别方向有了长足的发展，使得使用图像识别技术对垃圾进行分类成为可能。
选择正确的图像识别分类算法是本项目的重中之重。因此，本文对过往的图像识别方面的突出贡献的算法做介绍和总结，把握其发展的脉络，从而说明选择MobileNetV2网络的原因。
在本项目中，系统可分为垃圾识别模块和垃圾分类投放模块，即识别模块和控制模块。在垃圾投入到垃圾桶中，由识别模块对垃圾进行识别分类，再把分类结果发送给控制模块，由控制模块将其投放到对应的垃圾桶中。经过实际测试，垃圾的类别判断正确率能在可接受范围内，而识别分类速度则在经过分类结果滤波后，平均成功识别一次垃圾的平均时间为4秒。这证明该项目在智能垃圾分类领域还是很有发展前景的。

关键词：垃圾分类,卷积神经网,MobileNetV
Abstract
Withtheadvancementofhumanscienceandtechnologyandtheimprovementofqualityoflife,moreandmoredomesticwasteisgenerated.Therefore,howtoeffectivelyrecycleandtreatdomesticwastehasbecomethefocusofpeople'sattention.Theinvestigationandstudyfoundthatthemethodofsortingwasteatthesourceisthemostefficientandthemostthoroughintheentirewastesortingprocess.
Oneofthecurrentclassificationrulesisthatitisdifficulttounifyallregions,ontheotherhand,therearemanytypesofgarbageclassification,whicharedifficulttodistinguish,whichwillhaveacertainimpactonpeople'squalityoflife.
Atpresent,thereareavarietyof"smarttrashcans"onthemarket,butbasicallyonlytheautomaticopeningandclosingfunctionisrealized,andtheabilitytosortandidentifytrashisnotavailable.Thecurrentartificialintelligencetechnologyisdevelopingrapidly,andthedirectionofimagerecognitioninthefieldofdeeplearninghasmadegreatprogress,makingitpossibletouseimagerecognitiontechnologytoclassifygarbage.
Choosingthecorrectimagerecognitionclassificationalgorithmisthetoppriorityofth