董霄霄， 刘振国， 宋滕滕， 何益智， 李 钊

（山东理工大学 计算机科学与技术学院， 山东 淄博 255000）

0 引 言

根据全国大、中城市固体废物污染环境防治年报［1］，2019 年196 个大中城市生活垃圾产生量达到2.3 亿吨。 而据中国城市环境卫生协会统计，国内每年产生近10 亿吨垃圾，并且城镇生活垃圾还在以每年5%～8%左右的速度递增。 大量垃圾的堆弃造成国内近三分之二的城市面临垃圾围城的危机，同时导致土地资源匮乏和环境污染加剧等问题。 实现可持续发展，建立一个有效的垃圾处理体系至关重要，而垃圾检测则是垃圾处理中的重要一环。 根据可回收物、厨余垃圾、有害垃圾、其他垃圾的分类原则对垃圾进行识别和定位，能够在促进资源化管理的同时提高垃圾处理效率。

在垃圾检测智能化的背景下，研究人员展示了各种深度学习算法在垃圾检测方面的能力。 Sousa等人［2］分别基于形状和材质对食物托盘上的垃圾进行检测和分类，提出了一种基于Faster RCNN［3］（Fast Region-based Convolutional Network method）的分层次的级联网络模型，在自制的数据集上分别达到了86%和80.9%的准确率。 文灿华等人［4］从网络结构出发，分析对比了3 种典型的主干网络VGG-16［5］、ResNet - 101［6］、 MobileNet _ v1［7］在 Faster RCNN 上的性能，实现对多类别垃圾的高精度检测。类似 地，Melinte 等 人［8］采 用SSD-MobileNetV2、SSD-InceptionV2、Faster-RCNN-InceptionV4 对城市垃圾进行检测，研究表明目标检测器的性能取决于数据增强、CNN 模型、数据集数量、损失优化、超参数调整、迁移学习。

以上两阶段目标检测算法虽然准确率高，但是训练难度大、检测速度慢，在实际应用中限制了垃圾检测的效率。……