基于YOLOv3与ResNet50算法的智能垃圾分类系统

摘要：

垃圾分类对于我们日常生活来说意义重大,它不仅体现的是环境问题,更是资源的节约和绿色的生活方式,更加代表和体现了社会的文明水平,我国各地近些年也相继推行了垃圾分类的政策.2020年,新冠疫情席卷全球,对我们的日常生活造成了非常大的冲击,病毒与细菌的感染不只是通过呼吸,而且可以通过间接的接触来传染,这就要求了我们在生活中应该尽量避免去接触公共的设施和物品,而垃圾回收点恰恰是人员来往较多,很容易造成接触感染.对此,设计了一种疫情之下的垃圾智能分类与识别系统.设计的总体思想是采用Arm公司的EAIDK-310开发板,同时配备罗技C270摄像头采集装置对实际生活中的常见垃圾进行识别与分类,然后通过摄像头采集装置采集到垃圾的图像,结合深度学习模型自动检测、识别垃圾的类别,从而可以根据类别直接进行垃圾的分类丢弃.模型是基于YOLOv3在复杂环境下垃圾检测的基础上完成,构建ResNet50网络,对垃圾的类别进行训练并识别.通过该智能垃圾分类系统,可以提高投放垃圾效率,大大减少人员在垃圾站附近的聚集并做到无接触的垃圾丢弃,从而能够有效避免因为接触而造成的交叉感染的风险,符合当下疫情期间的社会需求.

关键词：YOLOv3;ResNet50;EAIDK-310;深度学习;智能垃圾分类

所属期刊栏目：27

分类号：TP391.4(计算技术、计算机技术)

在线出版日期：2021-11-02（万方平台首次上网日期，不代表论文的发表时间）

页数：共6页

页码：29-34