基于深度学习技术的生活垃圾分类模型设计

作者：陈非予; 杨婷婷; 蒋铭阳

来源：电子元器件与信息技术, 2020, 4(07): 94-96.

DOI：10.19772/j.cnki.2096-4455.2020.7.044

• 深度迁移学习
• 数据增强
• 垃圾分类

现今世界每年会产生近亿吨的垃圾,为构建绿色环保型社会,需要解决大量的垃圾分类问题。因此,构建一种结合图像识别技术的自动垃圾分类装置是十分有必要的。本文提出了一种基于深度迁移学习的垃圾图像分类模型,该模型将Inception-v3作为神经网络模型,运用迁移学习方法来进行垃圾的识别与分类。实验结果表明,利用该模型方法进行垃圾图像分类的准确率达到了95%以上。与传统图像分类算法相比,本文所提出的算法有以下几个优点:一是不需要手工标记特征工程,减少用时和主观经验判断;二是通过数据增强技术对图像的成像要求比较低,对光照、距离、大小不敏感,具有高鲁棒性。

• 单位
  绍兴文理学院