基于深度学习的垃圾分类检测方法

摘要

针对现有垃圾分类不清、人工检测难度大、环境差、容易出错等情况,研究了基于深度学习的垃圾分类检测方法.分别提出了基于YOLOv3、RetinaNet和Faster RCNN的垃圾分类识别方法,制作了所用的数据集(训练集和测试集).搭建了基于三种方法的垃圾分类识别的实验平台,并设计了实验,使用制作好的垃圾训练集进行多次不同参数下的训练,在不同分类的垃圾测试集上进行多次测试.对训练过程和测试结果进行综合分析和比较,得到Faster RCNN算法有更高的可靠性和准确性,检测速度满足系统要求,RetinaNet算法效果较好,YOLOv3算法效果最弱.因此采用基于Faster RCNN的垃圾分类识别算法,很好地满足了垃圾异物识别模型的开发,实现了垃圾分类检测,且有效降低了人工成本,提高了干湿垃圾分类检测效率,从而降低了垃圾对环境的污染.