基于深度学习的城市垃圾桶智能分类研究
发布时间：2021-02-02 07:59
随着科技的快速发展,人们的生活水平得到了很大的改善,城市生活中的垃圾也在飞速增长。大量的垃圾被运送到城市外填埋或焚烧,仅有部分垃圾进行了无害处理,垃圾的处理速度慢而且垃圾分类智能化水平低。如何实现垃圾的快速分类已成为国家乃至全球不可回避的问题。为此,本课题提出基于深度学习的城市垃圾桶智能分类设计,具体方法:通过NB-IOT物联网技术构建智能垃圾桶监测网络,利用卷积神经网络构建了垃圾智能分类模型和分类算法,仿真结果表明,该分类算法响应速度快,准确率高。课题主要针对国内外的垃圾分类进行分析,对智能垃圾桶的研究现状进行了讨论;构建基于NB-IOT的垃圾桶远程监测网络,对垃圾桶总体结构和硬件控制系统电路进行了设计;软件方面,对垃圾图像进行了预处理,完成了垃圾图像特征提取,以纹理、形状融合特征和HSV颜色特征分别作为BP神经网络的输入样本,完成BP神经网络的训练,另一方面,对Alexnet卷积神经网络模型后三层网络结构进行了修改,并将垃圾RGB图像作为Alexnet卷积神经网络的输入样本,进行迁移学习,从而构建了垃圾智能分类模型。利用matlab进行垃圾智能分类仿真实验,将基于卷积神经网络的智能...
【文章来源】：安徽理工大学安徽省
【文章页数】：79 页
【学位级别】：硕士
【部分图文】：
垃圾堆积场景Figure1.1Sceneofgarbageaccumulation
16要的稳定电压。如图 3.6 和 3.7 所示为 3.3V 和 5V 的电源电路。图3.5 STM3 最小系统接线图Figure 3.5 Connection Diagram of STM3 Minimum System图 3.6 5V 电源转换电路Figure 3.6 5V Voltage Conversion Circuit
V电源转换电路
【参考文献】：
期刊论文
[1]基于垃圾分类宣传的宁波城市公共垃圾桶设计[J]. 周蓬蓬,王艳艳. 工业设计. 2018(02)
[2]图像纹理检测与特征提取技术研究综述[J]. 李秀怡. 中国管理信息化. 2017(23)
[3]基于机器视觉的焊缝图像识别预处理的研究[J]. 许皓,李刚,马培松. 广西大学学报(自然科学版). 2017(05)
[4]应用于平扫CT图像肺结节检测的深度学习方法综述[J]. 胡伟俭,陈为,冯浩哲,张天平,朱正茂,潘巧明. 浙江大学学报(理学版). 2017(04)
[5]基于灰度修剪和均衡化的加权均值滤波算法[J]. 陈家益,曹会英,熊刚强,徐秋燕. 四川师范大学学报(自然科学版). 2017(02)
[6]基于深度学习的无人机遥感影像水体识别[J]. 杜敬. 江西科学. 2017(01)
[7]NB-IoT技术简介及其在智慧城市中应用研究[J]. 严益强. 广东通信技术. 2016(11)
[8]基于STM32和OV7670的图像采集与显示系统设计[J]. 李慧敏,樊记明,杨笑. 传感器与微系统. 2016(09)
[9]日本垃圾分类管理经验及其对中国的启示[J]. 吕维霞,杜娟. 华中师范大学学报(人文社会科学版). 2016(01)
[10]基于LD3320的语音识别智能垃圾桶设计[J]. 何侃,田亚清,李强,胡洲荣,张静. 国外电子测量技术. 2015(06)
硕士论文
[1]云层背景图像机器学习分类方法研究[D]. 姚繄蕾.哈尔滨工业大学 2018
[2]基于深度学习图像识别的研究及应用[D]. 王奥光.电子科技大学 2018
[3]面向目标识别的多特征融合研究与实现[D]. 张建虎.北京交通大学 2018
[4]非同源SAR频—空域结合海冰漂移跟踪算法研究[D]. 吕海娟.大连海事大学 2018
[5]多层卷积神经网络在SAR图像目标检测与识别的应用研究[D]. 黄孟缘.西安电子科技大学 2017
[6]基于FPGA的人脸检测跟踪系统的设计与实现[D]. 宋金龙.哈尔滨工程大学 2017
[7]基于多监督信息的级联全卷积人脸检测算法[D]. 习洋洋.哈尔滨工业大学 2017
[8]基于深度学习的商品图像分类[D]. 杨东坡.大连交通大学 2015
[9]异常群体事件检测方法研究[D]. 吴明仙.重庆大学 2015
[10]基于神经网络集成学习的SAR目标识别方法研究[D]. 李汶虹.电子科技大学 2015
本文编号：3014367
【文章来源】：安徽理工大学安徽省
【文章页数】：79 页
【学位级别】：硕士
【部分图文】：
垃圾堆积场景Figure1.1Sceneofgarbageaccumulation
16要的稳定电压。如图 3.6 和 3.7 所示为 3.3V 和 5V 的电源电路。图3.5 STM3 最小系统接线图Figure 3.5 Connection Diagram of STM3 Minimum System图 3.6 5V 电源转换电路Figure 3.6 5V Voltage Conversion Circuit
V电源转换电路
【参考文献】：
期刊论文
[1]基于垃圾分类宣传的宁波城市公共垃圾桶设计[J]. 周蓬蓬,王艳艳. 工业设计. 2018(02)
[2]图像纹理检测与特征提取技术研究综述[J]. 李秀怡. 中国管理信息化. 2017(23)
[3]基于机器视觉的焊缝图像识别预处理的研究[J]. 许皓,李刚,马培松. 广西大学学报(自然科学版). 2017(05)
[4]应用于平扫CT图像肺结节检测的深度学习方法综述[J]. 胡伟俭,陈为,冯浩哲,张天平,朱正茂,潘巧明. 浙江大学学报(理学版). 2017(04)
[5]基于灰度修剪和均衡化的加权均值滤波算法[J]. 陈家益,曹会英,熊刚强,徐秋燕. 四川师范大学学报(自然科学版). 2017(02)
[6]基于深度学习的无人机遥感影像水体识别[J]. 杜敬. 江西科学. 2017(01)
[7]NB-IoT技术简介及其在智慧城市中应用研究[J]. 严益强. 广东通信技术. 2016(11)
[8]基于STM32和OV7670的图像采集与显示系统设计[J]. 李慧敏,樊记明,杨笑. 传感器与微系统. 2016(09)
[9]日本垃圾分类管理经验及其对中国的启示[J]. 吕维霞,杜娟. 华中师范大学学报(人文社会科学版). 2016(01)
[10]基于LD3320的语音识别智能垃圾桶设计[J]. 何侃,田亚清,李强,胡洲荣,张静. 国外电子测量技术. 2015(06)
硕士论文
[1]云层背景图像机器学习分类方法研究[D]. 姚繄蕾.哈尔滨工业大学 2018
[2]基于深度学习图像识别的研究及应用[D]. 王奥光.电子科技大学 2018
[3]面向目标识别的多特征融合研究与实现[D]. 张建虎.北京交通大学 2018
[4]非同源SAR频—空域结合海冰漂移跟踪算法研究[D]. 吕海娟.大连海事大学 2018
[5]多层卷积神经网络在SAR图像目标检测与识别的应用研究[D]. 黄孟缘.西安电子科技大学 2017
[6]基于FPGA的人脸检测跟踪系统的设计与实现[D]. 宋金龙.哈尔滨工程大学 2017
[7]基于多监督信息的级联全卷积人脸检测算法[D]. 习洋洋.哈尔滨工业大学 2017
[8]基于深度学习的商品图像分类[D]. 杨东坡.大连交通大学 2015
[9]异常群体事件检测方法研究[D]. 吴明仙.重庆大学 2015
[10]基于神经网络集成学习的SAR目标识别方法研究[D]. 李汶虹.电子科技大学 2015
本文编号：3014367
本文链接：https://www.wllwen.com/kejilunwen/huanjinggongchenglunwen/3014367.html
