摘要：根据第六届全国大学生工程训练综合能力竞赛中“智能分类垃圾桶”要求,该文设计并制作了一种基于K210视觉模块进行目标检测的智能分类垃圾桶。在模拟环境和竞赛环境下,对该设计检测分类精准度进行多次测试,该智能分类垃圾桶拥有98.7%的平均正确识别率,且识别时间短,同时具备满载报警功能,能够实现垃圾分类过程的高效化与智能化,有助于降低城市垃圾源头处理成本。

摘要：文章设计智能分类垃圾桶,使用高清摄像机、红外热像仪、物相分析仪和数据处理设备,采用机器视觉、热成像分析、物相分析等方法识别判断,对多种鉴定方法进行全面审查,可有效提高垃圾分类的准确性。

摘要：随着垃圾分类在全国各城市的普及与推广,如何快速有效地完成垃圾分类投放成为市民生活中亟需解决的重要问题。该文针对家用分类垃圾桶进行智能化设计,在大数据的背景下快速识别垃圾类别并进行语音提示,同时实时监测垃圾桶内部环境状态,在发现异常情况时及时通过App反馈至手机终端,可极大地提高垃圾回收的效率。

摘要：人工智能+STEM教育是当前人工智能教育发展的一个新方向。二者的结合不仅有利于学生了解科学技术的发展,也有利于提高学生跨学科解决真实问题的能力,并能激发他们学习的主动性。"智能分类垃圾桶"就是人工智能+STEM教育的一个典型项目。本文在分析现有教学项目的基础上提出了优化方案,并结合结构创新型教学模式设计了相关教学活动,为人工智能+STEM教育的开展提供鲜活的案例。

摘要：垃圾分类是城市治理、公共卫生设施完善过程中必须要解决的问题之一。文中针对如今垃圾分类面临的主要问题,从设计学的角度,为城市公共智能分类垃圾桶的设计提供了从功能到造型一系列的设计进行了研究。

摘要：针对目前智能分类垃圾桶自动化程度低,受外界干扰程度大,性能普通等问题,设计一款基于树莓派的智能分类垃圾桶.该垃圾桶主要分为垃圾识别系统和投放控制系统,垃圾识别系统靠摄像头采集图像与树莓派识别分析组成;投放控制系统主要由树莓派与舵机组成.

摘要：本设计使用目标检测识别进行分类垃圾以代替传统的人工分类。本设计旨在用前沿的YOLOv3模型去实现准确的垃圾识别。设计中的模型利用Anaconda搭建环境变量,并在Pycharm软件上运行模型。YOLOv3模型实验所需的数据集来自华为云人工智能大赛提供的垃圾分类数据集,共有44种垃圾类别,图片数为1.9万张。经测试发现YOLOv3模型能够快速而又准确地识别出44种垃圾,随后通过蓝牙发出信号给STM32单片机部分,单片机通过控制舵机旋转后完成全自动化垃圾分类。

摘要：绿水青山就是金山银山。如今,无论是发达国家还是发展中国家,大量垃圾排放形成的环境污染具有公害性、潜伏性、长久性三大特点。本文综合运用文献查阅法、问卷调查法等方法,对太原市某村生活垃圾分类处理进行了调研。通过应用我团队设计的一体化分类回收智能垃圾桶,可以有效改善以往村民乱丢乱扔垃圾形成的垃圾成堆问题。该一体化分类回收智能垃圾桶对垃圾进行图像扫描,并通过扫描结果得出垃圾类别,从而达到垃圾分类处理的目的。

摘要：文章提出一种对SqueezeNet神经网络改进策略,通过删除第三个Maxpooling层,同时将第一个卷积层的卷积核大小设置成3×3,创建轻量化SqueezeNet-Tiny模型,并在具有复杂背景的可回收垃圾数据集(Recyclable Waste Dataset,简称RW Dataset)上验证了改进的有效性。将SqueezeNet-Tiny迁移到硬件设施,完成了智能分类垃圾桶的设计和制作,识别精度可达94.68%,参数量仅为0.74 M,基本满足工程化应用的需求。

摘要：垃圾分类成为日常所需,为解决垃圾分类的问题,使投放垃圾变得更加环保高效,本文设计了基于GPU深度学习的智能垃圾桶。应用Tensorflow深度学习框架,使用GPU加速训练,并结合硬件树莓派处理垃圾的图像信息,通过单片机控制步进电机实现垃圾分类。本设计具有分类准确度高,使用简单便捷,可实现垃圾分类的清洁化、高效化、智能化。