基于机器视觉的校园可回收垃圾分类检测器研究

摘要

随着垃圾分类问题越来越被人们重视,校园中同学们的垃圾分类意识不足的问题也逐渐凸显出来,对垃圾种类的认识模糊导致无法正确且高效地进行垃圾分类。针对基于机器视觉的校园可回收垃圾分类检测器的原理实现,本文以机器图像采集为基础,采用深度学习模型中的VGG-16卷积神经网络模型,以大量数据集训练并增加了attention模型增加注意力权重,并引入特征融合模块,提升准确率。实验结果表明,其在针对预设品类的可回收垃圾的分辨准确率达到了91%左右,已经具备使用的条件。并结合其现实意义,以该系统为核心,开发一个简洁实用的程序,以实现校园中垃圾分类的简化与普及。