文献类型：期刊文章

作　　者：康庄[1] 杨杰[1] 郭濠奇[1]

KANG Zhuang;YANG Jie;GUO Hao-qi(School of Electrical Engineering and Automation,Jiangxi University of Science and Technology,Ganzhou 341000,China)

机构地区：[1]江西理工大学电气工程与自动化学院,江西赣州341000

出　　处：《浙江大学学报（工学版）》

基　　金：国家自然科学基金资助项目(61763016)。

年　　份：2020

卷　　号：54

期　　号：7

起止页码：1272-1280

语　　种：中文

收录情况：AJ、BDHX、BDHX2017、CAS、CSCD、CSCD2019_2020、EI、IC、JST、PROQUEST、RCCSE、SCOPUS、ZGKJHX、ZMATH、核心刊

摘　　要：为了提高垃圾分类过程中前端收集的工作效率,基于机器视觉技术设计垃圾自动分类系统.设计制作垃圾分类的硬件设备,主要包括可回收和不可回收2个箱体;针对垃圾数据集较少的问题,提出基于Inception v3网络特征提取模型和迁移学习相结合的垃圾种类识别方法,在自建的垃圾数据集上进行训练和测试.结果显示,利用该方法可以准确地对垃圾种类进行识别,平均准确率达到0.99;将训练好的模型部署在树莓派3B+上,在制作的实物垃圾桶上进行测试,系统稳定后,平均完成一次分类回收的时间为0.95 s.实验表明,该系统能够有效地进行垃圾种类的识别和完成垃圾的分类回收.

关 键 词：人工智能  Inception v3  机器视觉 图像分类 智能垃圾桶  迁移学习  

分 类 号：TP399]