基于MobileNetV3公共垃圾分类系统
发布时间：2021-11-21 12:20
在环保领域中,针对生活垃圾的有效分类,已逐步成为社会发展日益关注的焦点,其中针对垃圾的分类过程是生活垃圾处理的关键。在我国当前国情条件下,垃圾处理厂中垃圾分类处理多采用人工流水线分拣的方式进行,该方式存在环境恶劣、劳动强度大、分拣效率低和自动化程度弱的弊端,远不能满足我国环保资源回收利用的发展和社会进步需要。随着我国工业自动化水平的不断提升,自动化生产模式已多行业得到了良好的应用,但在环保行业中受到起步晚、投入少、分拣难度大等因素制约,适用于我国国情的自动化分拣设备匮乏,因此针对环保行业的垃圾分拣需求,以自动化工业设备替代人工分拣的方案势在必行,研发生活垃圾智能分类系统有重要意义。垃圾分类是垃圾分离、回收或再利用的第一步。本课题采用基于MobileNetv3的深度学习分类模型,该模型根据以下类别对常见垃圾进行分类:可回收物、厨余垃圾、有害垃圾和其他垃圾。使用.jpg格式的15835个垃圾图像数据集进行训练。该模型使用了在ImageNet大型视觉识别挑战数据集上训练的模型进行迁移学习。对得到的基线MobileNet v3模型进行了优化,最终测试精度为78%。模型更适合移动设备部署。本文还...
【文章来源】：武汉纺织大学湖北省
【文章页数】：79 页
【学位级别】：硕士
【部分图文】：
数据集中
3基于改进型MobileNetV3网络13（36）饮料瓶（37）干电池（38）软膏（39）药物（40）废纸图3.1数据集中部分图片样本.3.1.4数据集格式图片和标签组成文件如下图3.2所示。图3.2图片和标签组成文件该数据集包含图片格式为jpg，标签格式为txt，保持图片和标签文件名一一对应共有41个类别。这些图片的尺寸，光线，对比度都不相同。背景环境也很复杂，所以更符合实际生活的情况。3.2问题分析任务是对垃圾图片进行分类，即首先识别出每张图片中物品的类别（比如易拉罐、果皮等），然后利用软件程序查询垃圾分类规则，输出该图片中物品属于可回收物、厨余垃圾、有害垃圾和其他垃圾中的哪一种。我们需要利用深度学习算法解决图片所表示物体的分类任务。3.3数据预处理人工检查采集好的图片，首先删除少量尺寸太孝模糊的图。在本文的所有实验中，将数据集划分为训练集，验证集和测试集。其中训练集14252，验证集1583，测试集4239张图片和对应标签。在训练集中，41个垃圾分类数据分布如下图3.3所示。由表，其中菜叶菜根（属于厨余垃圾）的数量最多有625个，最少的是牙签（属于其他垃圾）的数量为89个，其他类别的数量分布较集中在200到300个之间。
武汉纺织大学硕士学位论文14图3.3训练集数据分布表3.1训练集数据各类别数据对应数量标签序号垃圾类别数量0其他垃圾/一次性快餐盒1961其他垃圾/污损塑料3422其他垃圾/烟蒂2523其他垃圾/牙签894其他垃圾/破碎花盆及碟碗4105其他垃圾/竹筷2556厨余垃圾/剩饭剩菜3477厨余垃圾/大骨头3328厨余垃圾/水果果皮3259厨余垃圾/水果果肉37010厨余垃圾/茶叶渣33811厨余垃圾/菜叶菜根62512厨余垃圾/蛋壳28513厨余垃圾/鱼骨37114可回收物/充电宝31915可回收物/包38316可回收物/化妆品瓶352
【参考文献】：
博士论文
[1]面向小样本不平衡数据的生物医学事件抽取方法研究[D]. 路扬.吉林大学 2019
硕士论文
[1]微电网的短期电力负荷预测研究与实现[D]. 孙孝魁.南京邮电大学 2019
[2]基于特征提取和异常分类的网络流量异常检测方法[D]. 杜臻.南京邮电大学 2019
[3]基于多分类器融合模型的展示广告点击率预估研究[D]. 郑维.上海师范大学 2019
[4]基于遗传算法的P2P网贷违约预警模型研究[D]. 丁越.浙江大学 2019
[5]基于网络搜索数据的品牌汽车销量预测研究[D]. 崔田.西安理工大学 2019
[6]建设工程安全事故特征及风险测度分析[D]. 万亚.扬州大学 2019
[7]基于深度学习的城市垃圾桶智能分类研究[D]. 黄国维.安徽理工大学 2019
[8]基于互联网金融下的信贷逾期预测的研究[D]. 王爱娥.曲阜师范大学 2019
[9]机器学习在材料热电性能预测中的应用[D]. 陈佳.北京邮电大学 2019
[10]网络入侵检测中的机器学习方法与应用[D]. 胡睿升.北京邮电大学 2019
本文编号：3509501
【文章来源】：武汉纺织大学湖北省
【文章页数】：79 页
【学位级别】：硕士
【部分图文】：
数据集中
3基于改进型MobileNetV3网络13（36）饮料瓶（37）干电池（38）软膏（39）药物（40）废纸图3.1数据集中部分图片样本.3.1.4数据集格式图片和标签组成文件如下图3.2所示。图3.2图片和标签组成文件该数据集包含图片格式为jpg，标签格式为txt，保持图片和标签文件名一一对应共有41个类别。这些图片的尺寸，光线，对比度都不相同。背景环境也很复杂，所以更符合实际生活的情况。3.2问题分析任务是对垃圾图片进行分类，即首先识别出每张图片中物品的类别（比如易拉罐、果皮等），然后利用软件程序查询垃圾分类规则，输出该图片中物品属于可回收物、厨余垃圾、有害垃圾和其他垃圾中的哪一种。我们需要利用深度学习算法解决图片所表示物体的分类任务。3.3数据预处理人工检查采集好的图片，首先删除少量尺寸太孝模糊的图。在本文的所有实验中，将数据集划分为训练集，验证集和测试集。其中训练集14252，验证集1583，测试集4239张图片和对应标签。在训练集中，41个垃圾分类数据分布如下图3.3所示。由表，其中菜叶菜根（属于厨余垃圾）的数量最多有625个，最少的是牙签（属于其他垃圾）的数量为89个，其他类别的数量分布较集中在200到300个之间。
武汉纺织大学硕士学位论文14图3.3训练集数据分布表3.1训练集数据各类别数据对应数量标签序号垃圾类别数量0其他垃圾/一次性快餐盒1961其他垃圾/污损塑料3422其他垃圾/烟蒂2523其他垃圾/牙签894其他垃圾/破碎花盆及碟碗4105其他垃圾/竹筷2556厨余垃圾/剩饭剩菜3477厨余垃圾/大骨头3328厨余垃圾/水果果皮3259厨余垃圾/水果果肉37010厨余垃圾/茶叶渣33811厨余垃圾/菜叶菜根62512厨余垃圾/蛋壳28513厨余垃圾/鱼骨37114可回收物/充电宝31915可回收物/包38316可回收物/化妆品瓶352
【参考文献】：
博士论文
[1]面向小样本不平衡数据的生物医学事件抽取方法研究[D]. 路扬.吉林大学 2019
硕士论文
[1]微电网的短期电力负荷预测研究与实现[D]. 孙孝魁.南京邮电大学 2019
[2]基于特征提取和异常分类的网络流量异常检测方法[D]. 杜臻.南京邮电大学 2019
[3]基于多分类器融合模型的展示广告点击率预估研究[D]. 郑维.上海师范大学 2019
[4]基于遗传算法的P2P网贷违约预警模型研究[D]. 丁越.浙江大学 2019
[5]基于网络搜索数据的品牌汽车销量预测研究[D]. 崔田.西安理工大学 2019
[6]建设工程安全事故特征及风险测度分析[D]. 万亚.扬州大学 2019
[7]基于深度学习的城市垃圾桶智能分类研究[D]. 黄国维.安徽理工大学 2019
[8]基于互联网金融下的信贷逾期预测的研究[D]. 王爱娥.曲阜师范大学 2019
[9]机器学习在材料热电性能预测中的应用[D]. 陈佳.北京邮电大学 2019
[10]网络入侵检测中的机器学习方法与应用[D]. 胡睿升.北京邮电大学 2019
本文编号：3509501
本文链接：https://www.wllwen.com/shoufeilunwen/xixikjs/3509501.html
