隨著生活水平的提高,人均垃圾產(chǎn)生量持續(xù)增長,為了適應(yīng)城市垃圾消納能力的提升,垃圾處理體系的整體水平亟需提高�；诰矸e神經(jīng)網(wǎng)絡(luò)的圖像智能識(shí)別技術(shù)可根據(jù)優(yōu)化目標(biāo)學(xué)習(xí)圖像特征,十分適合處理大規(guī)模種類復(fù)雜的圖片,有望成為垃圾處理體系中重要的檢測手段。考慮到目前垃圾分類及分選技術(shù)所存在的局限及垃圾處理流程的系統(tǒng)性,引入新技術(shù)并將其納入整個(gè)垃圾處理體系考察具有重要意義。本文首先介紹圖像智能識(shí)別技術(shù)及垃圾處理體系的特點(diǎn),然后立足于垃圾處理體系各個(gè)環(huán)節(jié),分析并得到圖像智能識(shí)別技術(shù)應(yīng)用的具體實(shí)現(xiàn)手段:主要采用圖像分類技術(shù)實(shí)現(xiàn)源頭垃圾智能分類,采用目標(biāo)檢測技術(shù)實(shí)現(xiàn)垃圾自動(dòng)分選及垃圾智能監(jiān)測。基于卷積神經(jīng)網(wǎng)絡(luò)的目標(biāo)檢測算法在訓(xùn)練后可對多類復(fù)雜目標(biāo)實(shí)現(xiàn)精確識(shí)別及定位,適應(yīng)性更強(qiáng),可有效彌補(bǔ)現(xiàn)有垃圾分類、分選技術(shù)的不足。然而,目前目標(biāo)檢測技術(shù)在垃圾處理中的研究不充分,存在數(shù)據(jù)集質(zhì)量不高、與垃圾處理特性結(jié)合不足及算法泛化性能研究不足等典型問題。因此,本文實(shí)驗(yàn)部分自建垃圾數(shù)據(jù)集并全面研究一種典型的目標(biāo)檢測算法-Faster RCNN在垃圾檢測上的應(yīng)用,使用三種具有顯著差異的主干網(wǎng)絡(luò)VGG-16,Res101,Mob...

【文章頁數(shù)】：74 頁

【學(xué)位級(jí)別】：碩士

圖1-1全國城市生活垃圾清運(yùn)總量及生活垃圾公用設(shè)施投資情況

圖1-2全國城市生活垃圾無害化處理現(xiàn)狀Fig.1-2Currentstatusofurbandomesticwasteinnocuoustreatment

圖1-3發(fā)展中的垃圾處理全流程

圖1-4AlexNet網(wǎng)絡(luò)結(jié)構(gòu)

本文編號(hào)：3884802