隨著生活水平的提高,人均垃圾產生量持續(xù)增長,為了適應城市垃圾消納能力的提升,垃圾處理體系的整體水平亟需提高。基于卷積神經網絡的圖像智能識別技術可根據(jù)優(yōu)化目標學習圖像特征,十分適合處理大規(guī)模種類復雜的圖片,有望成為垃圾處理體系中重要的檢測手段�？紤]到目前垃圾分類及分選技術所存在的局限及垃圾處理流程的系統(tǒng)性,引入新技術并將其納入整個垃圾處理體系考察具有重要意義。本文首先介紹圖像智能識別技術及垃圾處理體系的特點,然后立足于垃圾處理體系各個環(huán)節(jié),分析并得到圖像智能識別技術應用的具體實現(xiàn)手段:主要采用圖像分類技術實現(xiàn)源頭垃圾智能分類,采用目標檢測技術實現(xiàn)垃圾自動分選及垃圾智能監(jiān)測�；诰矸e神經網絡的目標檢測算法在訓練后可對多類復雜目標實現(xiàn)精確識別及定位,適應性更強,可有效彌補現(xiàn)有垃圾分類、分選技術的不足。然而,目前目標檢測技術在垃圾處理中的研究不充分,存在數(shù)據(jù)集質量不高、與垃圾處理特性結合不足及算法泛化性能研究不足等典型問題。因此,本文實驗部分自建垃圾數(shù)據(jù)集并全面研究一種典型的目標檢測算法-Faster RCNN在垃圾檢測上的應用,使用三種具有顯著差異的主干網絡VGG-16,Res101,Mob...

【文章頁數(shù)】：74 頁

【學位級別】：碩士

圖1-1全國城市生活垃圾清運總量及生活垃圾公用設施投資情況

圖1-2全國城市生活垃圾無害化處理現(xiàn)狀Fig.1-2Currentstatusofurbandomesticwasteinnocuoustreatment

圖1-3發(fā)展中的垃圾處理全流程

圖1-4AlexNet網絡結構

本文編號：3884802