郑州科技学院 周 鑫 刘林阴 路 赛 王 晓 谷志梁

运用深度学习的经典算法卷积神经网络用于完成垃圾图像的特征提取。纹理，形状融合特征和HSV颜色特征分别作为Alexnet卷积神经网络的输入样本，完成卷积神经网络的训练和学习迁移，构成垃圾分类模型，准确实现垃圾分类。基于该模型，实现校园智能垃圾分类系统的设计。STM32作为主控制芯片，结合外围驱动电路。并构建基于NB-IOT物联网技术的远程监测网络，可实现垃圾桶状态的实时监测与信息反馈。

随着科学技术的不断革新，我国居民的消费水平越来越高，生活质量不断得到提升，但在经济发展的背后，隐藏着严峻的垃圾处理问题。中国拥有世界上最重的垃圾负担。据统计，全球每年产生近4.9亿t垃圾，其中1.5亿t在中国城市。垃圾完全是未充分利用的资源。减少废物的产生量，加强垃圾污染治理，是全面建设小康社会，加快推进城市现代化的重要内容，实现经济社会可持续发展的重要保障。

1 校园垃圾桶的使用现状

校园是一个人员密度较高的场所，每天产生的可回收垃圾量巨大，而由于环境的特殊性，校园垃圾又具有集中性、多样性和较强的流动性、可利用性等特点。随着“智慧校园”口号的提出和普及，校园分类垃圾桶的智能化已然成为趋势。设计一款具有自主识别分类功能的校园智能垃圾装置具有重大的现实意义。

现存校园垃圾桶存在的4点问题：（1）清洁问题：垃圾桶脏，同学们望而却步，垃圾桶污染严重，环卫工人清理困难（2）分类问题：垃圾桶内鱼龙混杂，干湿垃圾相互接触，造成二次污染，可回收与不可回收垃圾混装，分拣困难。……