基于机器视觉的垃圾自动分类系统设计

被引：55
|
作者：
康庄
杨杰
郭濠奇
机构：
[1] 江西理工大学电气工程与自动化学院
来源：
浙江大学学报(工学版) | 2020年 / 54卷 / 07期
关键词：
人工智能; Inception v3; 机器视觉; 图像分类; 智能垃圾桶; 迁移学习;
D O I：
暂无
中图分类号：
X705 [固体废物的处理与利用]; TP391.41 []; TP18 [人工智能理论];
学科分类号：
080203 ; 081104 ; 0812 ; 0835 ; 1405 ;
摘要：
为了提高垃圾分类过程中前端收集的工作效率,基于机器视觉技术设计垃圾自动分类系统.设计制作垃圾分类的硬件设备,主要包括可回收和不可回收2个箱体;针对垃圾数据集较少的问题,提出基于Inception v3网络特征提取模型和迁移学习相结合的垃圾种类识别方法,在自建的垃圾数据集上进行训练和测试.结果显示,利用该方法可以准确地对垃圾种类进行识别,平均准确率达到0.99;将训练好的模型部署在树莓派3B+上,在制作的实物垃圾桶上进行测试,系统稳定后,平均完成一次分类回收的时间为0.95 s.实验表明,该系统能够有效地进行垃圾种类的识别和完成垃圾的分类回收.
引用
收藏
页码：1272 / 1280+1307 +1307
页数：10
相关论文
共 16 条
  • [11] A novel noninvasive and costeffective handheld detector on soluble solids content of fruits .2 GUO W,LI W,YANG B,et al. Journal of Food Engineering . 2019
  • [12] An automatic classification method for environment:Friendly waste segregation using deep learning .2 Sudha S,Vidhyalakshmi M,Pavithra K,et al. Technological Innovations in ICT for Agriculture and Rural Development . 2016
  • [13] 结合表示学习和迁移学习的跨领域情感分类
    廖祥文
    吴晓静
    桂林
    黄锦辉
    陈国龙
    [J]. 北京大学学报(自然科学版), 2019, 55 (01) : 37 - 46
  • [14] 卷积神经网络迁移的高分影像场景分类学习
    李冠东
    张春菊
    王铭恺
    张雪英
    高飞
    [J]. 测绘科学, 2019, (04) : 116 - 123+174
  • [15] 基于岩石图像深度学习的岩性自动识别与分类方法
    张野
    李明超
    韩帅
    [J]. 岩石学报, 2018, 34 (02) : 333 - 342
  • [16] 基于深度学习AlexNet的遥感影像地表覆盖分类评价研究
    党宇
    张继贤
    邓喀中
    赵有松
    余凡
    [J]. 地球信息科学学报, 2017, 19 (11) : 1530 - 1537
12