改进残差网络的轻量级塑料垃圾分类研究

作者：**明; 高丙朋; 黄家興

来源：现代电子技术, 2022, 45(17): 95-99.

DOI：10.16652/j.issn.1004-373x.2022.17.018

• 塑料垃圾
• 残差网络
• 垃圾分类
• 深度学习
• 轻量级网络
• 深度可分离卷积
• 双通道注意力机制

针对当前日益严重的塑料污染问题，开展塑料垃圾分类与回收迫在眉睫，采用更精细的垃圾分类方法，使得塑料垃圾回收利用的比率将会越来越高，也能从源头上杜绝塑料污染。目前国内塑料垃圾分类网络存在识别准确率不高、运行过程耗时长、模型占用内存大等问题。改进残差网络结构，提出一种双通道轻量级网络（DCLNet-18）对塑料垃圾进行分类。首先使用深度可分离卷积替换标准卷积，减少网络的参数量和计算量；然后在网络的每个BasicBlock后串联双通道注意力机制，增强网络的特征提取能力；最后与AlexNet、VGG、ResNet等系列网络对比。实验结果表明，相比ResNet18网络，DCLNet-18网络的训练时间缩短12.5%，准确率提高2.8%，因此更适合移动端、嵌入式设备应用，为塑料垃圾分类网络轻量化提供了新的思路。

• 单位
  新疆大学