王兴朝，唐瑞尹

(1.华北理工大学，电气工程学院，唐山 063210； 2.北华航天工业学院，电子与控制工程学院，廊坊 065000)

0 引言

随着我国经济的快速发展，我国城市每年产生的垃圾在逐年上涨，根据相关部门统计，在2019年我国城市生活垃圾产出量为3.43亿吨，同比去年增加6.2%，在这些生活垃圾中有很大一部分可以回收再利用，但我国的生活垃圾回收利用率不到5%，因此，城市生活垃圾的分类回收对环境治理和资源的再利用具有重大意义。各大城市针对垃圾分类回收制定了相关的政策，但由于监管体系不健全，缺乏科学的有效的信息监管手段与激励机制，使得居民参与垃圾分类回收的积极性不高，严格遵守垃圾分类政策的意识的不足，导致城市垃圾分类回收的效果并不明显。因此，使用自动化技术降低人工成本是未来解决城市垃圾分类回收问题的发展趋势，而机器视觉是实现垃圾自动分类回收的一项重要科学技术。

近年来，随着人工智能和物联网的高速发展，尤其是神经网络的发展，为机器视觉在图像识别和目标检测的应用方面提供了新的理论基础和实现方法。早期的图像识别主要利用Harris、SIFT、SURF、LBF、HOG、DPM等方法对图像特征进行提取，再通过支持向量机SVM等分类器对特征进行识别分类，由于传统的图像处理方法在图像特征提取过程中需要人工参与，导致其识别的准确率受经验影响较大，泛化能力较弱。而基于神经网络的图像识别方法不需要人为参与图像特征提取的过程，而是通过大量数据集利用梯度下降法和反向传播对神经网络的系数进行自动更新，从而使神经网络能够对图像进行识别。……