张欧

（上海环境物流有限公司 上海市 200063）

1 引言

随着全国生活垃圾的与日俱增，给资源环境和经济社会可持续发展带来较大压力[1]。2019年上海市正式实施《上海市生活垃圾管理条例》，该条例将通过法律的强制性推动垃圾分类，并在居住区普遍推行生活垃圾分类制度。垃圾分类品质的好坏直接影响到后端的垃圾回收处置，目前垃圾中转站对垃圾分类品质的评判主要靠人工为主，人工检测存在成本投入高、效率低、误检率高等缺点。

传统的机器视觉技术早已应用于简单的垃圾种类识别[2]，其识别精度并不高，随着近些年深度学习技术的发展，机器识别技术也进入一个全新发展阶段。特别是图像检测领域，图像检测是指在图像中判别物体的类型并标注出物体所在的位置。基于深度学习的检测框架先后出炉[3]，一类是基于two-stage 的目标检测框架，比如RCNN，Fast RCNN，Faster RCNN，将检测任务分为回归(location)和分类任务。还有基于one-stage 的目标检测框架，例如YOLO/YOLOV2/YOLOV3，SSD 等，同时完成检测和回归任务，将目标检测问题当作成一个回归问题，网络结构简单，检测速度快，基本能满足实时检测的要求。

目前大部分研究集中在垃圾前端的垃圾种类识别，而对复杂环境下的垃圾定位和识别很少有人研究，本文采用基于深度卷积神经网络的YOLO V3 算法对干垃圾倾倒过程中垃圾的水流进行识别分析，为干垃圾后端处置提供实质性指导。

2 实验数据采集

本次实验的干垃圾图像数据采集于上海市某垃圾……