基于深度卷积神经网络的垃圾分类模型的研究-文献详情-维普官网

文献检索

任意字段

文献信息

任意字段
主题词
篇关摘
篇名
关键词
摘要
作者
第一作者
作者单位
刊名
中图分类号
学科分类号
DOI
基金

智能检索

高级检索

检索历史

基于深度卷积神经网络的垃圾分类模型的研究认领

被引量： 7

作者：

张文馨

学位授予单位：

沈阳师范大学

摘要：

随着经济的发展,人们的生活水平也会提高,但同时也造成了垃圾产量的迅速上涨,而垃圾对人类健康、环境以及经济发展的影响是不言而喻的。依靠人工手动分拣,时间长效果差,而利用深度学习的相关技术,让垃圾自动化处理成为了可能,通过技术手段可以有效提高垃圾处理的效率。垃圾处理的关键在于能对垃圾进行正确的识别分类,这样不仅可以提高垃圾综合处理效率,在环境得到保护的同时还可提高垃圾资源回收再利用的价值,所以对于垃圾图像进行分类任务是有意义的研究。本文经过对图像分类模型的分析后,目前的垃圾分类算法存在网络参数过多、计算量大、模型复杂且不便于移植到移动端和嵌入式的设备上等问题,使用轻量级卷积神经网络模型对垃圾进行识别和分类,实验结果取得了较好准确率和分类效果。本文主要研究内容:(1)对于垃圾分类模型的选择上,鉴于轻量级模型参数少、速度快的特性,本文选择Mobile Net V2作为主干网络对垃圾进行分类,在此基础上,引入了Adam优化器,选择了交叉熵损失函数,再采用反向传播算法对权重进行了更新。本文还建立了垃圾数据集包含245小类、共8万张的垃圾图像,并将其归一化、灰度化、降噪和增强处理,提高垃圾图像的质量。(2)为了提高模型的准确性,加强模型对有效特征的学习,同时摒弃无用的特征,在此基础上本文将注意力机制与训练好的Mobile Net V2相结合进行训练优化。将通过Mobile Net V2网络输出的特征图输入到CBAM模块中,使得模型在训练的过程中可以更好的学习到有用的、重要的特征,最后利用全局平均池化和Softmax方法对所获得的目标和特点进行分析,经过实验结果显示优化后的模型在准确率上确实有所提升。最后建立了垃圾分类系统,对模型的分类情况进行可视化展示。

摘要译文

关键词：

垃圾分类; 注意力机制; MobileNet; 卷积神经网络

学位年度：

2022

学位类型：

硕士

学科专业：

计算机应用技术

导师：

赵志刚

中图分类号：

TP183[人工神经网络与计算];TP391.41[图形图像识别];X799.3[生活⑨]

学科分类号：

081103[系统工程];081104[模式识别与智能系统];081107[建模仿真理论与技术];083002[环境工程];140502[人工智能]

D O I：

10.27328/d.cnki.gshsc.2022.000072