李天千　陈志鑫　黄桂鑫　温森荣　黄思琪

摘  要：为提高垃圾分类效率，应对日益繁杂的垃圾分类工作，使垃圾分类智能化，高效化。运用卷积神经网络解决垃圾分类问题，对YOLOv3基础算法进行研究改进，并制作垃圾种类数据集，结合参数迁移学习训练垃圾分类识别模型。实验表明样本多的种类识别准确率较高，而对于样本少的种类，准确率就下降了。相较于现有常用的垃圾分类识别算法，所提出的垃圾分类识别算法，识别性能更优，更适合广泛推广应用。

关键词：垃圾检测;数据集制作;YOLOv3算法

中图分类号：TP181    文献标识码：A 文章编号：2096-4706（2021）17-0092-04

Abstract： In order to improve the efficiency of garbage classification， deal with the increasingly complicated garbage classification work， and make garbage classification intelligent and efficient. Use convolutional neural network to solve the garbage classification problem， research and improve the basic algorithm of YOLOv3， and make a garbage type data set， combined with parameter transfer learning to train the garbage classification and recognition model. Experiments show that the recognition accuracy of the types with a large number of samples is higher， while for the types with a small number of samples， the accuracy is reduced. Compared with the existing commonly used garbage classification and recognition algorithms， the proposed garbage classification and recognition algorithm has better recognition performance and is more suitable for wide promotion and application.

Keywords： garbage detection; data set production; YOLOv3 algorithm

0  引  言

垃圾分類是推动我国新型城镇生态文明水平提高的一大重要举措。党的十九届五中全会擘画了党和国家未来五年乃至更长时期各项事业发展的宏伟蓝图，明确了发展的目标和路径，其中对垃圾分类问题提出了新的要求，表现垃圾处理正处于一个新的台阶，2021年是“十四五”开局之年，针对垃圾类问题如何再有新突破，是我们共同面对的社会性问题。对此，垃圾分类重在按一定规定或标准，将垃圾分类储存、投放和搬运，使其变为一种公共资源的做法，而人们在处理生活垃圾分类时对垃圾类型问题处理不当，将会导致分类处理垃圾工作效率低下，甚至造成超出预期的经济损失和环境破坏。

对此，在大数据环境下，结合当前的计算机视觉知识，本文对垃圾识别进行了一定的研究。基于深度学习的目标检测算法的基本原理是利用大量卷积运算实现检测算法自主对目标图像的特征进行抽象和提取，并且对检测到的特征进行训练从而总结出其他的特征，在检测计算机数字图像上发挥着重大的作用。……