文献类型：期刊文章

作　　者：张鹏程[1] 赵齐[1] 高泽宇[2,3]

ZHANG Peng-cheng;ZHAO Qi;GAO Ze-yu(College of Computer and Information Hohai University,Nanjing 211100,China;Department of Computer Engineering,San Jose State University,San Jose,CA 95192,USA;College of Information and Computer, Taiyuan University of Technology, Taiyuan 030024, China)

机构地区：[1]河海大学计算机与信息学院,南京211100 [2]圣何塞州立大学计算机工程系,美国加利福尼亚州圣何塞95192 [3]太原理工大学信息与计算机学院,太原030024

出　　处：《小型微型计算机系统》

基　　金：国家自然科学基金项目(61572171;61702159;61202097)资助;中央高校基本科研业务费基金项目(2018B16014)资助;江苏省自然科学基金项目(BK20170893)资助

年　　份：2019

卷　　号：40

期　　号：4

起止页码：901-907

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CSA、CSA-PROQEUST、CSCD、CSCD_E2019_2020、IC、INSPEC、JST、RCCSE、SCOPUS、ZGKJHX、核心刊

摘　　要：针对近年来城市化进程的加快,城市街道垃圾的随意出现给市政部门及时清扫带来巨大困难.在移动、云技术和物联网飞速发展的背景下,论文研究并提出了一种融合移动边缘计算和深度学习的城市街道垃圾检测和清洁度评估方法,通过安装在车辆上的高分辨率摄像机也称为"移动站"和手持的移动设备进行街景图象收集,利用边缘服务器临时存储并处理街景图象信息,然后通过城市网络把这些数据传输到云中心,利用深度学习技术识别街道垃圾类别以及对垃圾数量计数,并且将这些结果引入到基于层次的街道清洁度评估框架当中,最终可视化街道清洁度等级,为城市市政管理者有效安排清理人员提供方便.文章最后基于南京市江宁区的街道图像,可视化了江宁区街道清洁度等级.实际应用初步验证了其可行性和可用性.

关 键 词：智慧城市 街道清洁  垃圾检测  深度学习  边缘计算  

分 类 号：TP391]