秦 浩 王晓峰 喻 骏 黄飞龙 文冠鑫 苏盈盈

(1. 重庆科技学院 电气工程学院， 重庆 401331； 2. 重庆科技学院 数理与大数据学院， 重庆 401331)

对生活垃圾进行分类收集和处理，有利于保护环境、节约资源。利用图像识别分类技术对生活垃圾进行分类，目的是实现对生活垃圾类别的高效、快速、精准识别。目前，在这方面的研究已取得了一些成果。吴健等人设计了基于计算机视觉的实验室垃圾分析与识别方案[1]；吴碧程等人提出了基于卷积神经网络的智能垃圾分类系统[2]；汪洋等人提出的基于卷积神经网络的垃圾分类系统，对7种生活垃圾进行分类，准确率可达91.71%[3]。本次研究，我们针对图像出现阴影遮挡、暗光、模糊等复杂情况，引入Retinex算法[4]，并通过改进VGG-16[5]卷积神经网络模型，构建了一种可适应多种类生活垃圾的智能分类模型。

1 垃圾图像分类方法设计

1.1 数据集的获取

据《生活垃圾分类标志》(GB/T 19095 — 2019)，生活垃圾分为4个大类：可回收物、有害垃圾、厨余垃圾(湿垃圾)和其他垃圾(干垃圾)。目前，还没有公开的垃圾分类识别实验数据集。我们研究使用的生活垃圾图像数据，主要通过网络爬取和摄像机拍摄2个途径获得。数据集中共有77 656张图片，其中将有害垃圾分为12个小类，可回收垃圾分为136个小类，厨余垃圾分为48个小类，其他垃圾分为47个小类，共计243种生活垃圾类别。每张图片的格式全部处理为JPEG格式。同时，对获得的数据进行标记、整理，制作成一个多种类的生活垃圾图像数据集(见图1)。

图1 生活垃圾图像样本