基于目标检测技术的生活垃圾智能识别

发布时间：2024-01-25 12:16

　　随着生活水平的提高,人均垃圾产生量持续增长,为了适应城市垃圾消纳能力的提升,垃圾处理体系的整体水平亟需提高。基于卷积神经网络的图像智能识别技术可根据优化目标学习图像特征,十分适合处理大规模种类复杂的图片,有望成为垃圾处理体系中重要的检测手段。考虑到目前垃圾分类及分选技术所存在的局限及垃圾处理流程的系统性,引入新技术并将其纳入整个垃圾处理体系考察具有重要意义。本文首先介绍图像智能识别技术及垃圾处理体系的特点,然后立足于垃圾处理体系各个环节,分析并得到图像智能识别技术应用的具体实现手段:主要采用图像分类技术实现源头垃圾智能分类,采用目标检测技术实现垃圾自动分选及垃圾智能监测。基于卷积神经网络的目标检测算法在训练后可对多类复杂目标实现精确识别及定位,适应性更强,可有效弥补现有垃圾分类、分选技术的不足。然而,目前目标检测技术在垃圾处理中的研究不充分,存在数据集质量不高、与垃圾处理特性结合不足及算法泛化性能研究不足等典型问题。因此,本文实验部分自建垃圾数据集并全面研究一种典型的目标检测算法-Faster RCNN在垃圾检测上的应用,使用三种具有显著差异的主干网络VGG-16,Res101,Mob...

【文章页数】：74 页

【学位级别】：硕士

图1-1全国城市生活垃圾清运总量及生活垃圾公用设施投资情况

图1-2全国城市生活垃圾无害化处理现状Fig.1-2Currentstatusofurbandomesticwasteinnocuoustreatment

图1-3发展中的垃圾处理全流程

图1-4AlexNet网络结构

本文编号：3884802