《基于图像识别的垃圾分类应用》 软件项目组织与管理 课程设计
摘要
目前垃圾处理的主要方法有露天堆放、卫生填埋、焚烧、堆肥,这些传统的垃圾处理方式,释放出大量有害物质严重污染环境、危害生物和人类的生存空间。垃圾分类收集可以减少垃圾处理量和处理设备,降低处理成本,减少土地资源的消耗,具有社会、经济、生态三方面的效益。目前生活垃圾分类标准一般可以分成以下四类,分别是可回收垃圾、有害垃圾、厨余垃圾和其他垃圾,而且每个类别下又包含若干子类别,种类繁多且十分复杂。因此,如何实现垃圾自动识别分类已然变成急于解决的首要问题。早期,国内外学者们只是将经典的图像分类算法应用于垃圾图像分类中,但是这种方法需要手动获取图像的部分特征,例如:形状、颜色、纹理等,再利用分类器识别。随着卷积神经网络的迅速发展,深度学习的相关算法被应用于机器视觉、模式识别等领域。在国内,2019年,华为通过举办垃圾图像分类竞赛组建了容量为一万多张的数据集,进而加快此领域的发展速度。国外方面,2012年, AlexNet获得了ImageNet图像分类竞赛的第一名,这也表示 深度学习在图像领域的迅猛发展。随后,GoogleNet、VGGNet、ResNet等算法提高了图像识别分类的准确度,同时在人脸识别、车辆检测等多个领域取得了很好的应用效果,而垃圾识别分类在深度学习算法的帮助下也获得