胡亚兰 柯敏毅

（湖北工业大学计算机学院 湖北省武汉市 430068）

1 引言

随着社会生活水平的不断提高，人们购入了丰富的物资，越来越多的垃圾也随即产出，而垃圾种类繁多，每个种类的处理方式也不一样。例如：有害垃圾采取热处理、化学分解和无污染处理的形式；采用生化处理、沼泽生产、堆肥等方式对湿垃圾进行资源化利用或无害化处理； 干垃圾通过焚烧方式无害化处理； 可回收垃圾运至相关企业进行回收处理[1]。由此，衍生出了两个社会问题：

（1）由于人们从小没有垃圾分类的意识，容易将垃圾混在一起丢进垃圾箱，这给垃圾分拣场的工作人员带来极大困扰。垃圾分炼厂需要消耗极大的人力、时间去将不同种类的垃圾分到对应类别的垃圾框中。由于垃圾分类处理效率不高，导致一部分垃圾未被处理，造成了环境的污染和资源的浪费。

（2）垃圾分类问题逐渐引起社会的关注，2019年7月1日，上海实施垃圾分类政策，将垃圾分为可回收垃圾、厨余垃圾、有害垃圾和其它垃圾四大类。但是，由于人们垃圾分类意识比较薄弱，容易将垃圾分错类别，还是会出现将垃圾混在一起的情况。这样仍然会使一部分垃圾处于未处理状态，给垃圾处理场的垃圾分类、垃圾处理造成麻烦。针对这两个问题，我们可以通过提高垃圾分拣的效率或者从源头来控制人们对于垃圾分类的错误率。

随着人工智能的不断发展，深度学习（Deep learning）在图像识别方面的技术已经较为成熟，例如在人脸识别、医学图像识别、遥感图像分类、ImageNet 分类识别、交通识别和字符识别等领域已取得了不错的成果[2]。……