基于YOLOv3与ResNet50算法的智能垃圾分类系统

作     者：王朔 郭凤娜 WANG Shuo;GUO Fengna

作者机构：北京信息科技大学自动化学院北京100192 华北电力大学(北京)控制与计算机工程学院北京102208 

出 版 物：《传感器世界》 (Sensor World)

年 卷 期：2021年第27卷第9期

页      码：29-34页

摘      要：垃圾分类对于我们日常生活来说意义重大,它不仅体现的是环境问题,更是资源的节约和绿色的生活方式,更加代表和体现了社会的文明水平,我国各地近些年也相继推行了垃圾分类的政策。2020年,新冠疫情席卷全球,对我们的日常生活造成了非常大的冲击,病毒与细菌的感染不只是通过呼吸,而且可以通过间接的接触来传染,这就要求了我们在生活中应该尽量避免去接触公共的设施和物品,而垃圾回收点恰恰是人员来往较多,很容易造成接触感染。对此,设计了一种疫情之下的垃圾智能分类与识别系统。设计的总体思想是采用Arm公司的EAIDK-310开发板,同时配备罗技C270摄像头采集装置对实际生活中的常见垃圾进行识别与分类,然后通过摄像头采集装置采集到垃圾的图像,结合深度学习模型自动检测、识别垃圾的类别,从而可以根据类别直接进行垃圾的分类丢弃。模型是基于YOLOv3在复杂环境下垃圾检测的基础上完成,构建ResNet50网络,对垃圾的类别进行训练并识别。通过该智能垃圾分类系统,可以提高投放垃圾效率,大大减少人员在垃圾站附近的聚集并做到无接触的垃圾丢弃,从而能够有效避免因为接触而造成的交叉感染的风险,符合当下疫情期间的社会需求。

主 题 词：YOLOv3 ResNet50 EAIDK-310 深度学习 智能垃圾分类 

学科分类：1305[艺术学-设计学类] 13[艺术学] 081104[081104] 08[工学] 0804[工学-材料学] 081101[081101] 0811[工学-水利类] 

D　O　I：10.3969/j.issn.1006-883X.2021.09.006

馆 藏 号：203105759...