基于卷积神经网络的城市生活垃圾分类研究
发布时间：2023-08-08 19:27
近年来,随着国民经济水平的提高,居民消费质量明显改善,随之带来的生活垃圾增长率也逐年递增。如果垃圾分类处理不准确,居民的生活质量将会严重受到影响。国外一些发达国家的垃圾分类经验告诉我们:垃圾科学处理的前提是进行垃圾分类,准确的垃圾分类能够有效减少促进垃圾回收和处理。因此,针对目前国内垃圾分类处理混乱的现状,有必要开展城市生活垃圾分类技术研究,以指导居民高效地进行生活垃圾处理,从而减少居民乱丢乱弃垃圾的现象。本文开展城市生活垃圾分类技术研究,基于深度学习研究垃圾分类技术,用直观、便捷的方式指导居民进行垃圾分类,能够使生活垃圾分类落到实处。首先,论文介绍了人工神经网络和卷积神经网络的结构模型及学习训练过程,简单阐述了几种经典卷积神经网络的优缺点。其次,论文以上海市生活垃圾分类为对象,构建了针对四大类的垃圾分类数据集,数据集分为训练集和测试集,涵盖图片数量高达79478张,图片来源为网络下载。接着,论文选用VGGNet网络结构,基于Tensor Flow框架,开展了卷积神经网络在垃圾分类上的应用研究,进行了VGGNet网络在垃圾图片分类上的准确率测试。然后,通过对网络结构和激活函数的改进,能...
【文章页数】：76 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景和意义
1.2 国内外垃圾分类研究现状
1.2.1 国外垃圾分类研究现状
1.2.2 国内垃圾分类研究现状
1.3 卷积神经网络的研究现状
1.4 论文的研究思路
1.5 论文的章节结构
第2章 人工神经网络及卷积神经网络的理论
2.1 人工神经网络概述
2.1.1 人工神经元模型
2.1.2 人工神经网络结构模型
2.1.3 人工神经网络的训练过程
2.2 卷积神经网络的结构及训练
2.2.1 卷积神经网络结构模型
2.2.2 卷积神经网络的训练过程
2.3 几种经典的卷积神经网络
2.3.1 LeNet
2.3.2 AlexNet
2.3.3 VGGNet
2.3.4 ResNet
2.4 深度学习框架
2.4.1 TensorFlow
2.4.2 Keras
2.5 本章小结
第3章 卷积神经网络在垃圾分类上的应用研究
3.1 基于卷积神经网络的垃圾图像分类流程
3.2 垃圾分类数据集构建
3.2.1 上海市生活垃圾分类
3.2.2 数据集的构建原则
3.2.3 数据集的构建思路
3.2.4 垃圾图像训练数据集与测试数据集构建
3.3 卷积神经网络和深度学习框架的选取
3.3.1 卷积神经网络初选
3.3.2 深度学习框架选取及环境搭建
3.4 卷积神经网络的验证
3.4.1 卷积神经网络的准确率定义
3.4.2 卷积神经网络的训练
3.4.3 卷积神经网络的准确率测试
3.5 本章小结
第4章 VGGNet网络结构及激活函数改进
4.1 VGGNet网络的缺点分析
4.1.1 VGGNet网络结构及参数特点
4.1.2 VGGNet网络的缺点
4.2 VGGNet网络结构改进
4.3 卷积神经网络中激活函数的作用
4.4 常用的激活函数
4.4.1 Sigmoid函数
4.4.2 Tanh函数
4.4.3 ReLu函数
4.4.4 LReLu函数
4.4.5 Softplus函数
4.5 改进激活函数设计
4.6 本章小结
第5章 改进后的卷积神经网络验证及接口实现
5.1 改进后的网络模型训练和验证
5.1.1 训练环境及数据集
5.1.2 激活函数的常数取值
5.1.3 模型训练及结果分析
5.1.4 网络改进前后对比分析
5.2 接口实现及测试
5.2.1 垃圾分类API定义
5.2.2 垃圾分类API实现
5.2.3 垃圾分类API测试
5.3 本章小结
第6章 总结与展望
6.1 论文工作总结
6.2 论文工作展望
参考文献
攻读硕士学位期间发表的学术论文
致谢
大摘要
本文编号：3840346
【文章页数】：76 页
【学位级别】：硕士
【文章目录】：
摘要
Abstract
第1章 绪论
1.1 研究背景和意义
1.2 国内外垃圾分类研究现状
1.2.1 国外垃圾分类研究现状
1.2.2 国内垃圾分类研究现状
1.3 卷积神经网络的研究现状
1.4 论文的研究思路
1.5 论文的章节结构
第2章 人工神经网络及卷积神经网络的理论
2.1 人工神经网络概述
2.1.1 人工神经元模型
2.1.2 人工神经网络结构模型
2.1.3 人工神经网络的训练过程
2.2 卷积神经网络的结构及训练
2.2.1 卷积神经网络结构模型
2.2.2 卷积神经网络的训练过程
2.3 几种经典的卷积神经网络
2.3.1 LeNet
2.3.2 AlexNet
2.3.3 VGGNet
2.3.4 ResNet
2.4 深度学习框架
2.4.1 TensorFlow
2.4.2 Keras
2.5 本章小结
第3章 卷积神经网络在垃圾分类上的应用研究
3.1 基于卷积神经网络的垃圾图像分类流程
3.2 垃圾分类数据集构建
3.2.1 上海市生活垃圾分类
3.2.2 数据集的构建原则
3.2.3 数据集的构建思路
3.2.4 垃圾图像训练数据集与测试数据集构建
3.3 卷积神经网络和深度学习框架的选取
3.3.1 卷积神经网络初选
3.3.2 深度学习框架选取及环境搭建
3.4 卷积神经网络的验证
3.4.1 卷积神经网络的准确率定义
3.4.2 卷积神经网络的训练
3.4.3 卷积神经网络的准确率测试
3.5 本章小结
第4章 VGGNet网络结构及激活函数改进
4.1 VGGNet网络的缺点分析
4.1.1 VGGNet网络结构及参数特点
4.1.2 VGGNet网络的缺点
4.2 VGGNet网络结构改进
4.3 卷积神经网络中激活函数的作用
4.4 常用的激活函数
4.4.1 Sigmoid函数
4.4.2 Tanh函数
4.4.3 ReLu函数
4.4.4 LReLu函数
4.4.5 Softplus函数
4.5 改进激活函数设计
4.6 本章小结
第5章 改进后的卷积神经网络验证及接口实现
5.1 改进后的网络模型训练和验证
5.1.1 训练环境及数据集
5.1.2 激活函数的常数取值
5.1.3 模型训练及结果分析
5.1.4 网络改进前后对比分析
5.2 接口实现及测试
5.2.1 垃圾分类API定义
5.2.2 垃圾分类API实现
5.2.3 垃圾分类API测试
5.3 本章小结
第6章 总结与展望
6.1 论文工作总结
6.2 论文工作展望
参考文献
攻读硕士学位期间发表的学术论文
致谢
大摘要
本文编号：3840346
本文链接：https://www.wllwen.com/wenshubaike/qiuzhijiqiao/3840346.html
最近更新
教材专著
