在環(huán)保領(lǐng)域中,針對(duì)生活垃圾的有效分類,已逐步成為社會(huì)發(fā)展日益關(guān)注的焦點(diǎn),其中針對(duì)垃圾的分類過程是生活垃圾處理的關(guān)鍵。在我國(guó)當(dāng)前國(guó)情條件下,垃圾處理廠中垃圾分類處理多采用人工流水線分揀的方式進(jìn)行,該方式存在環(huán)境惡劣、勞動(dòng)強(qiáng)度大、分揀效率低和自動(dòng)化程度弱的弊端,遠(yuǎn)不能滿足我國(guó)環(huán)保資源回收利用的發(fā)展和社會(huì)進(jìn)步需要。隨著我國(guó)工業(yè)自動(dòng)化水平的不斷提升,自動(dòng)化生產(chǎn)模式已多行業(yè)得到了良好的應(yīng)用,但在環(huán)保行業(yè)中受到起步晚、投入少、分揀難度大等因素制約,適用于我國(guó)國(guó)情的自動(dòng)化分揀設(shè)備匱乏,因此針對(duì)環(huán)保行業(yè)的垃圾分揀需求,以自動(dòng)化工業(yè)設(shè)備替代人工分揀的方案勢(shì)在必行,研發(fā)生活垃圾智能分類系統(tǒng)有重要意義。垃圾分類是垃圾分離、回收或再利用的第一步。本課題采用基于MobileNetv3的深度學(xué)習(xí)分類模型,該模型根據(jù)以下類別對(duì)常見垃圾進(jìn)行分類:可回收物、廚余垃圾、有害垃圾和其他垃圾。使用.jpg格式的15835個(gè)垃圾圖像數(shù)據(jù)集進(jìn)行訓(xùn)練。該模型使用了在ImageNet大型視覺識(shí)別挑戰(zhàn)數(shù)據(jù)集上訓(xùn)練的模型進(jìn)行遷移學(xué)習(xí)。對(duì)得到的基線MobileNet v3模型進(jìn)行了優(yōu)化,最終測(cè)試精度為78%。模型更適合移動(dòng)設(shè)備部署。本文還... 

【文章來源】：武漢紡織大學(xué)湖北省

【文章頁(yè)數(shù)】：79 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

數(shù)據(jù)集中

3基于改進(jìn)型MobileNetV3網(wǎng)絡(luò)13（36）飲料瓶（37）干電池（38）軟膏（39）藥物（40）廢紙圖3.1數(shù)據(jù)集中部分圖片樣本.3.1.4數(shù)據(jù)集格式圖片和標(biāo)簽組成文件如下圖3.2所示。圖3.2圖片和標(biāo)簽組成文件該數(shù)據(jù)集包含圖片格式為jpg，標(biāo)簽格式為txt，保持圖片和標(biāo)簽文件名一一對(duì)應(yīng)共有41個(gè)類別。這些圖片的尺寸，光線，對(duì)比度都不相同。背景環(huán)境也很復(fù)雜，所以更符合實(shí)際生活的情況。3.2問題分析任務(wù)是對(duì)垃圾圖片進(jìn)行分類，即首先識(shí)別出每張圖片中物品的類別（比如易拉罐、果皮等），然后利用軟件程序查詢垃圾分類規(guī)則，輸出該圖片中物品屬于可回收物、廚余垃圾、有害垃圾和其他垃圾中的哪一種。我們需要利用深度學(xué)習(xí)算法解決圖片所表示物體的分類任務(wù)。3.3數(shù)據(jù)預(yù)處理人工檢查采集好的圖片，首先刪除少量尺寸太孝模糊的圖。在本文的所有實(shí)驗(yàn)中，將數(shù)據(jù)集劃分為訓(xùn)練集，驗(yàn)證集和測(cè)試集。其中訓(xùn)練集14252，驗(yàn)證集1583，測(cè)試集4239張圖片和對(duì)應(yīng)標(biāo)簽。在訓(xùn)練集中，41個(gè)垃圾分類數(shù)據(jù)分布如下圖3.3所示。由表，其中菜葉菜根（屬于廚余垃圾）的數(shù)量最多有625個(gè)，最少的是牙簽（屬于其他垃圾）的數(shù)量為89個(gè)，其他類別的數(shù)量分布較集中在200到300個(gè)之間。

武漢紡織大學(xué)碩士學(xué)位論文14圖3.3訓(xùn)練集數(shù)據(jù)分布表3.1訓(xùn)練集數(shù)據(jù)各類別數(shù)據(jù)對(duì)應(yīng)數(shù)量標(biāo)簽序號(hào)垃圾類別數(shù)量0其他垃圾/一次性快餐盒1961其他垃圾/污損塑料3422其他垃圾/煙蒂2523其他垃圾/牙簽894其他垃圾/破碎花盆及碟碗4105其他垃圾/竹筷2556廚余垃圾/剩飯剩菜3477廚余垃圾/大骨頭3328廚余垃圾/水果果皮3259廚余垃圾/水果果肉37010廚余垃圾/茶葉渣33811廚余垃圾/菜葉菜根62512廚余垃圾/蛋殼28513廚余垃圾/魚骨37114可回收物/充電寶31915可回收物/包38316可回收物/化妝品瓶352

【參考文獻(xiàn)】：
博士論文
[1]面向小樣本不平衡數(shù)據(jù)的生物醫(yī)學(xué)事件抽取方法研究[D]. 路揚(yáng).吉林大學(xué) 2019

碩士論文
[1]微電網(wǎng)的短期電力負(fù)荷預(yù)測(cè)研究與實(shí)現(xiàn)[D]. 孫孝魁.南京郵電大學(xué) 2019
[2]基于特征提取和異常分類的網(wǎng)絡(luò)流量異常檢測(cè)方法[D]. 杜臻.南京郵電大學(xué) 2019
[3]基于多分類器融合模型的展示廣告點(diǎn)擊率預(yù)估研究[D]. 鄭維.上海師范大學(xué) 2019
[4]基于遺傳算法的P2P網(wǎng)貸違約預(yù)警模型研究[D]. 丁越.浙江大學(xué) 2019
[5]基于網(wǎng)絡(luò)搜索數(shù)據(jù)的品牌汽車銷量預(yù)測(cè)研究[D]. 崔田.西安理工大學(xué) 2019
[6]建設(shè)工程安全事故特征及風(fēng)險(xiǎn)測(cè)度分析[D]. 萬亞.揚(yáng)州大學(xué) 2019
[7]基于深度學(xué)習(xí)的城市垃圾桶智能分類研究[D]. 黃國(guó)維.安徽理工大學(xué) 2019
[8]基于互聯(lián)網(wǎng)金融下的信貸逾期預(yù)測(cè)的研究[D]. 王愛娥.曲阜師范大學(xué) 2019
[9]機(jī)器學(xué)習(xí)在材料熱電性能預(yù)測(cè)中的應(yīng)用[D]. 陳佳.北京郵電大學(xué) 2019
[10]網(wǎng)絡(luò)入侵檢測(cè)中的機(jī)器學(xué)習(xí)方法與應(yīng)用[D]. 胡睿升.北京郵電大學(xué) 2019



本文編號(hào)：3509501