马晓强 张必武 张环 杨鹏程

摘要：由于我国经济的持续高速发展，生活垃圾急速增长，统计表明我国生活垃圾从1927年的0.5亿吨增至2016年的2.04亿吨。在2019年7月1日，上海试点了号称史上最为严各垃圾分类制度。那句直击灵魂深处的拷问：“你是什么垃圾？”传遍了中国。面对严格的垃圾分类制度，对垃圾实现智能化分类显得尤为重要，因为垃圾的智能化分类不仅能降低人工成本，提高资源的重复利用，而且有助于实现国家生态文明的建设目标。为经济的持续高速发展提供基础保障。

关键词：垃圾分类;深度学习;图像识;VGG16

一、研究背景

早期而研究方法也大多采用传统的目标检测算法。近年来，随着深度学习的火热，目标检测模型也由传统检测算法向卷积神经网络发展，由于卷积神经网络能自主的进行特征的提取和筛选。跟传统目标检测算法相比，其不仅省去了手动提取特征存在的诸多问题也极大的提升了目标检测算法的准确性。本文采用VGG16模型来构建神经网络，来实现垃圾的识别分类。VGG是由Simonyan和Zisserman在文献《Very Deep Convolutional Networks for Large Scale Image Recognition》中提出卷积神经网络模型。对VGG16进行具体分析，VGG16共包含：13个卷积层，3个全連接层，5个池化层。

二、基于OpenCV和VGG16模型的垃圾识别分类算法

（一）VGG16模型

VGG-16由13层卷积层和3层全连接层组成，该模型要求输入的图片数据大小为224x 224x 3，初始卷积核大小为3x 3 x 3，stride的大小为1，padding的大小为1，pooling为2x 2的最大池化函数 max pooling的方式。模型中的卷积过程为：首先使用两次64个卷积核的卷积处理，接着进行一次池化层，完成后又进行三次256个卷积核的卷积，再采用一次池化层，最后重复两次三个512个卷积核卷积之后，最后进行一次池化层。……