张丽艳，赵艺璇，牟钰鹏，李林

(大连交通大学 电气信息工程学院，辽宁 大连 116028) *

党的十八大以来，党和国家对生态文明日益重视，将生态文明列入“五位一体”的总体布局，而垃圾分类则是生态文明建设的重要环节和关键领域.目前垃圾分类设施过于简单，为了提高分类效率，避免发生错分、误分的现象，智能垃圾分类产品成为当今研究重点[1].美国CleanRobotics公司研制了一款名为Transhbot的全自动分类垃圾桶.Trashbot操纵摄像头、传感器、金属探测器和马达，把垃圾放在精确的位置.法国Uzer公司研发了一款名为Eugene的智能垃圾箱，只需把丢弃的垃圾上的条形码对准扫描仪就可识别出垃圾是何种类.吴凡[2]等研究人员发明的智能垃圾桶只需扫描垃圾袋上的二维码，所属类别垃圾桶的盖子会自动打开，指引投放.但以上研究对于列车上常见垃圾的分类并不适用，为此本文基于ResNet50神经网络模型提出一种列车垃圾分类器，实现垃圾智能分类.

1 垃圾自动分类算法模型设计

深度学习是机器学习领域中最重要的研究方向之一，是机器模拟人脑对文字、图像、声音等数据进行一系列分析，从而解决模式识别中的困难问题[3].通常情况下，具有良好分类能力的模型需要经过大量数据集训练，消耗巨大的时间资源和计算资源，因此研究者提出迁移学习方法来解决此类问题[4-5].本文使用在ImageNet上进行过预训练的ResNet50模型对列车常见12种垃圾进行分类识别.

1.1 迁移学习

迁移学习(Transfer Learning)是一种机器……