基于深度学习的垃圾分类系统的设计与实现开题报告

1. 研究目的与意义、国内外研究现状（文献综述）

一、课题的意义

生态文明是继原始文明、农耕文明、工业文明之后的人类文明形态，它以坚持人与自然的和谐共生为内核，是人类遵循人、自然、社会和谐发展的客观规律而取得的物质与精神成果的总和。随着经济发展和城市化进程的不断加快，垃圾围城成为摆在世界各国面前亟待解决的难题。实施生活垃圾分类则可以有效地规避一些生态环境问题。由此可见，垃圾分类并不是个人或家庭小事，它关乎民生、关乎生态文明建设的大局，是生态文明建设的重要推动力。从2019年7月1日起，新的《上海市生活垃圾管理条例》正式开始施行，条例规定人们扔垃圾前都必须先将垃圾仔细分成可回收物、有害垃圾、湿垃圾和干垃圾四个类别进行正确投放。然而垃圾的种类成千上万，需要记住各种物品对应的垃圾类别，着实是一项难度不小的任务。但是随着人工智能的技术不断成熟，基于深度学习技术构建一个垃圾自动分类器的想法油然而生，即实现通过拍照的方式就可以得知各个垃圾所属的类别。研究这一课题具有很深远的意义，既能帮助人们提高垃圾分类的准确性，又能减少环境污染。

二、国内外研究进展

2. 研究的基本内容和问题

一、研究目标

预期开发一款网页端的基于深度学习的垃圾分类识别系统，使人们不需再费尽心思记忆各种垃圾所属类别，通过拍照片的方式就可以轻松知道手中的垃圾该扔进哪个垃圾桶。由于垃圾品种成千上万，因此引入基于深度学习的神经网络技术，模拟人类的大脑，可以改进机器学习图像识别方法存在的特征提取量大、精确度不高等问题。其中，深度学习在图像处理领域的主要网络结构包括深度神经网络（dnn）、深度信念网络（dbn）和卷积神经网络（cnn），而卷积神经网络可以采用反向传播算法进行训练，使图像具有更好的识别效果，已被证明具有杰出的分类识别性能。因此，研究的主要技术是基于深度学习的卷积神经网络模型。应用好现有的卷积神经网络结构，利用收集到的数据集训练网络模型，并计算损失值和准确率，最终达到准确率较为理想的效果。此外，如果数据集过小可能会导致模型的过拟合现象，因此，数据集也需要一定的处理，才能得到更好的网络模型。

二、研究内容

3. 研究的方法与方案

一、研究方法

基于深度学习，利用卷积神经网络结构来提取垃圾图像的深度学习特征，并进行训练，对特征进行分类识别，最终获得一个准确率较高的识别垃圾图像所属种类的系统。具体方法如下：

1、数据集的准备和使用

4. 研究创新点

由于垃圾分类是近期较热门的话题，并且也刚刚引起人们的广泛关注，学者对这一方面的研究还较少，因此，本课题本身就具有一定的创新性。同时因为垃圾品种成千上万，对人们的记忆力也有一定的挑战性，现在已有学者开发出一些通过文字或语音输入垃圾名称来识别垃圾所属种类的应用，但如果是针对老人或小孩这类人群，其实用性与便利性则大大降低。因此，通过拍照识别垃圾所属种类无疑具有特色和创新之处，同时针对的人群也在一定程度上扩大了，并且利用基于深度学习技术的网络结构可以大大提高准确率，是当下的最佳选择。

5. 研究计划与进展

一、研究计划

计划研究开发一款通过拍照或本地上传图片就可以识别出各个垃圾所属品种的系统。需要利用基于深度学习技术的卷积神经网络结构，收集足够多的数据集，定义好网络模型，通过训练来提高垃圾分类识别的准确率，最终完成预期设想功能。

二、预期进展