基于深度学习卷积神经网络的智能废物分类系统

城市地区固体废物的积累正成为一个重大问题，如果管理不当，会导致环境污染，并可能对人类健康造成危害。拥有一个先进的/智能的废物管理系统来处理各种废物材料是非常重要的。废物管理的最重要步骤之一是将废物分离为不同的成分，而这个过程通常是由人工挑选完成的。为了简化这一过程，我们提出了一个智能废物材料分类系统，该系统使用50层残差网络预训练（ResNet-50）卷积神经网络模型开发，该模型作为提取器，并使用支持向量机（SVM）将废物分类为玻璃、金属、纸张和塑料等不同组/类型。该系统在由Gary Thung和Mindy Yang开发的垃圾图像数据集上进行了测试，并能够在数据集上实现87%的准确率。使用所提出的废物材料分类系统，垃圾的分离过程将更快速、更智能，而无需或减少人工参与。