基于深度学习的垃圾分类系统

针对现有主要依赖居民端和中转端的两级人工分拣方式存在效率低和成本高的问题,设计了基于深度学习的垃圾分类系统,阐述了系统的总体结构与应用界面设计。提出了基于ResNet50网络和迁移学习相结合的垃圾种类识别方法,在自制数据集上进行了垃圾分类模型的训练分析,将训练后的模型部署在树莓派4B上进行性能测试及系统测试。结果表明：垃圾种类的平均识别率达到0.98,单次分类识别的平均时间为1.3 s。