基于深度学习的垃圾识别分类系统研发

作者：王科; 林志华; 刘丰俭

来源：江苏工程职业技术学院学报, 2022, 22(02): 16-20.

DOI：10.19315/j.issn.2096-0425.2022.02.004

• 深度学习
• 预训练
• 垃圾分类
• 数据增强

基于卷积神经网络搭建ResNet(Deep Residual Network，深度残差网络，简称ResNet)50模型，利用ImageNet大型可视化数据集进行预训练，采用数据增强、Dropout（暂退法）、Adam（自适应运动估计算法，Adaptive momentum，简称Adam）和早停机制等关键技术，对用户交互Web界面进行设计，开发了基于深度学习的垃圾分类系统。该网络模型利用TensorFlow的Keras完成逐层构建和参数的精细化调节，基于华为云人工智能大赛数据集进行训练和测试，与VGG(Visual Geometry Group，简称VGG)16网络模型对比测试结果表明，测试准确率达90.8%，能够有效地进行垃圾种类识别，具有较好的实用性和可扩展性。

• 单位
  江苏工程职业技术学院