基于卷积神经网络的垃圾分类小车系统

目前,垃圾分类主要靠民众自主分类,以校区或居住点为单位,将已经初步分类的垃圾运输后处理,此方式往往容易导致错漏,效率低,针对该问题,本文提出基于神经网络的垃圾分类小车系统,旨在通过机械化的标准规范化初步垃圾分类,简化垃圾分类问题,提高资源再利用率。该系统通过基于卷积神经网络的YOLO物体识别系统识别垃圾种类后,利用机械臂自主夹取,以完成垃圾分类。此外,小车配备自主避障系统,能适应一般环境的路线规划,为垃圾分类的普及化和简易化提供思路。     

基于深度学习的智能垃圾分拣车系统

针对生活垃圾的高效分类及搬运处理,设计了一款以边缘嵌入式AI设备Jetson Nano为控制器的光电智能小车系统,该系统设计以YOLOv5为目标检测算法,以Pytorch1.8.1为深度学习框架.使智能小车从指定区域出发,通过自身的光电传感器在指定范围内搜寻垃圾,利用六轴机械臂对垃圾进行分拣并送到指定分类地点.对采集到...     

一种基于Jetson Nano深度学习的生活垃圾智能分类桶

长期以来,垃圾处理往往伴随着巨大的资源浪费和环境污染,尽管我国已经出台相关垃圾分类政策,但由于人工分类成本高、分类效率低下等一系列问题,该类政策难以大规模推行。据此,提出了一种以单片机(single chiped microcomputer, SCM)为基础,围绕Jetson Nano为核心设计的生活垃圾智能分类桶。其图像识别基于深度学习设计,通过上位机和摄像头判断投入垃圾桶的垃圾类型,将分析得到的数据传递给下位机;下位机通过控制二维云台进行垃圾分类投放;采用红外测距模块进行满载检测,并在APP界面内进行满溢警报,从而完成了类型识别、分类投放、满溢检测、满载报警的完整过程,实现了生活垃圾自动分类。该装置经实测工作稳定,并有内置的学习函数保障其续航能力,具有很强的实用性。     

基于YOLO v3的地面垃圾检测与清洁度评定方法

针对传统清洁机器人缺乏清洁效果反馈的问题,提出了基于YOLO v3算法的地面垃圾检测与清洁度评定方法.利用由垃圾巡检小车搭载的Jetson TX2和USB摄像头采集地面垃圾图像,选择兼具检测精度与速度的YOLO v3模型进行垃圾检测与分类;然后通过对不同类别的垃圾分配不同的权重系数,并与统计的垃圾数量加权出清洁度指数,...     

智能垃圾分类系统的设计

许多城市都要求生活垃圾分类，但是目前大多数人在垃圾种类区分方面存在一定的困难。为了解决这个问题，基于深度学习的图像识别方法设计一个智能垃圾分类系统。通过TensorFlow2.3和MobileNetV2构建和训练垃圾分类模型，应用Qt Designer与Python设计一个便于用户操作的上位机图形界面。将智能垃圾分类和垃圾桶控制有机结合，利用ESP32-CAM获取需要识别的垃圾图像，通过Wi-Fi发送给上位机进行图库比对，并将识别结果通过Wi-Fi发送至ESP-8266，启动驱动控制，打开相应垃圾桶盖。系统测试结果表明，所设计的智能垃圾分类系统能够准确地识别垃圾类型，使用户能够无接触地投放垃圾。     

基于支持向量机的垃圾标签检测模型

为解决Folksonomy存在垃圾标签的问题,提出垃圾标签检测模型。利用向量空间模型表征用户特征,再用支持向量机将Folksonomy用户二分类。通过检测出隐藏在正常用户群体中的垃圾投放人,以此减少垃圾标签数量。实验结果表明,基于支持向量机的垃圾标签检测模型具有更高的分类精度,优于其他检测方法。     

基于深度学习的算法模型在垃圾分类中的应用研究

近年来,城市一体化发展水平提高,垃圾问题对于全世界都是一个非常棘手的问题。基于垃圾分类算法进行了研究,旨在提高垃圾分类的准确性和效率,提出了一种基于深度学习的垃圾分类算法,利用卷积神经网络和支持向量机进行图像特征提取和分类,采用迁移学习的方法建立了一种在已有的数据集基础上进行模型训练和优化,从而制作出一个垃圾分类应用的分析平台。     

基于改进遗传算法的支持向量机微信垃圾文章识别

近几年,随着微信的快速发展和普及,微信已经成为智能移动设备必备的应用之一,但与之同时也出现了大量微信诈骗信息、垃圾广告等,给人们带来了极大的困扰。本文将从搜狗微信搜索中抽取微信文章样本,将微信垃圾文章识别看做文本分类问题,采用支持向量机对样本进行分类模型的训练,并应用改进的遗传算法对支持向量机的参数进行优化。文中详细的介绍了改进遗传算法在支持向量机上的应用,相比传统的支持向量机,采用改进遗传算法对支持向量机参数进行优化,提升了模型准确率和优化效率。在文章的最后进行了由15000篇微信文章所形成的测试集上的分类模型效果实验,实现结果表明,本方法能够达到94.7%的准确率,非常准确的识别微信垃圾文章。     

基于STM32智能垃圾桶的设计

近年来,随着生活垃圾的产量不断增加,垃圾分类的问题日渐严峻。为防止垃圾污染生态环境,减轻生活垃圾给环境带来的巨大压力,方便垃圾回收再利用以及向大众普及垃圾分类知识。垃圾分类需要推向更智能化和人性化的层面。在这种大环境下,该文设计出了一款智能垃圾桶,以STM32为主控板,LD3320语音识别模块接收垃圾信息、JQ8400语音播报模块实现对应垃圾精准分类播报、L298N电机驱动模块控制垃圾桶的开合盖,红外传感器则检测是否有人靠近设备。通过对各个模块的测试和整体测试,保证了产品的可靠性和稳定性。使用该款高度智能化的垃圾桶,能够以最低的能耗去增强人们垃圾正确分类的意识,提高垃圾分类的效率和再利用率,减轻垃圾对环境的污染,具有良好的发展前景。     

基于图像识别的水面垃圾智能分类清理装置

为了有效解决小型水域水面垃圾清理和分类的问题,设计了一种基于图像识别的无人驾驶水面垃圾智能分类清理装置。装置采用平衡式双船体结构,配以翻斗式垃圾收集头及可移动渔网式分类收集仓,并使用涵道式螺旋桨作为驱动;以STM32作为主控,使用OpenMV视觉模块并搭配卷积神经网络算法,实现垃圾类别的识别,并使用ESP32实现对装置的无线通讯与远程监控;基于GPS导航系统、惯性导航系统、视觉导航系统实现自动回航、自动回航等功能;同时,装置还设计有附加的水域参数测量、鱼类投喂等功能模块,以实现装置的一机多用。     

基于运动想象的脑电小车控制系统设计

为了实时采集并判断和分类人脑运动感知信息,文中基于人脑运动想象脑电信号设计了一套以共空间模式特征提取算法和支持向量机分类算法为核心的采集与判别系统,能够实时采集并分类人脑自发脑电信号,将不同运动想象的结果作为指令表达在智能小车的运动状态上,从而实现脑电实时直接控制小车实物。在此设计中完成了对系统整体的调试并对脑电等相关数据进行采集处理。分析结果表明,该系统稳定,分类准确率高,符合预期的设计要求。     

基于自我训练的长效垃圾分类方法

目的 目前垃圾主要采用名称检索的方式开展分类,这类方法通常基于事先设定的数据分类,很难有效包含现有所有的垃圾,更难应对未来持续增多的垃圾,针对上述问题,面向生活垃圾,提出一种基于自我训练的长效垃圾分类方法。方法 首先,采用Bagging将两类分类能力和训练机制不同的基分类器：K近邻分类器和支持向量机,根据它们各自独立的投票和权重进行有机组合,提出了一种新颖的集成分类器对生活垃圾进行分类;其次,基于直观的图像交互反馈,动态地更新分类器相应分类结果的置信度和基于云的训练样本集,提升后续分类的准确性和方法本身的自学习能力。结果 使用包含233条生活垃圾的训练样本集对原型系统进行训练,并使用151条垃圾样例进行测试,实验表明本文提出的集成分类器对生活垃圾的分类准确性可以达到95%左右。通过逐步提高训练样本集中错误样本的比例（≤ 30%）并重新训练集成分类器,再采用上述151条样例共开展了150次分类测试。相应的平均准确率分析表明,本文的集成分类器具有较高且较为稳定的分类准确率（≥ 93%）。此外,在上述实验中加入反馈机制后,平均准确率分析表明,该机制能有效地减轻错误样本对本文集成分类器准确率衰减带来的影响。结论 本文方法对生活垃圾分类具有较高的分类准确率、鲁棒性且具有良好的长效性。     

基于物联网的旅游景区垃圾分类智能管理系统的开发

旅游景区人口密集流动性大,景点分布范围广占地面积大,垃圾桶分布较为稀疏。因此有些游客随意乱扔垃圾,不仅会破坏景区的环境,并且影响游客的消费体验。这一行为会污染景区生态环境,产生一系列有害气体,对游客造成心身伤害,同时也会对景区的生态造成破坏,甚至有着火灾隐患。针对这一问题,提出基于物联网的旅游景区垃圾分类智能管理系统,应用人脸识别技术为每位游客生成身份信息,建立垃圾投放的可追溯机制。使用物联网及垃圾分类识别技术提升了垃圾分类的智能化水平。设计了与旅游景区管理相适应的垃圾分类奖惩办法,有助于培养游客的垃圾分类意识。     

基于物联网的景区垃圾分类激励机制的构建

社会经济的不断发展,旅游景区的游览量也日益增多,随之而来的就是由于人们乱扔垃圾、缺乏垃圾分类意识以及参与垃圾分类的积极性不高所造成的景区生态环境的破坏与污染。垃圾分类自觉行为除采用广泛的宣传方式增强社会责任感,感受垃圾不分类的危害性外,本文提出在旅游景区采用商业运作方式培养旅客的自觉垃圾投放行为。采用景区独特的人文资源,商品售卖模式,客户的游玩需求,激励游客在观赏大自然美景的同时,结合物联网和人工智能技术,构建与景区相适应的垃圾分类激励机制,培养游客自主的垃圾分类意识,并加入到垃圾分类的行动中。使垃圾分类成为游客、景区、商家等多方受益并乐于参与的一项有意义的事业,有效解决景区的环境问题。     

基于深度学习的垃圾分类信息系统构建设计与实现

垃圾分类是社会进步和生态文明发展的标志,生活垃圾的简单堆放或填埋不仅严重破坏了生活秩序,还会造成巨大的经济损失及环境污染,影响了人们的正常生活。基于深度学习的垃圾分类信息系统,主要利用计算机视觉技术,实现居民生活垃圾的智能分类、分拣。为了提高识别准确率,系统选择了ResNet作为网络模型,同时使用Adam优化器也可以帮助系统降低对内存的需求。垃圾分类信息系统很大程度上解决了居民垃圾分类困难的问题,引导居民养成垃圾分类习惯。     

基于轻量型卷积神经网络的生活垃圾图像分类

为解决人工分拣生活垃圾过程中存在的分类效率低、劳动强度大等问题,提出一种轻量型的生活垃圾图像分类模型DG-MobileNetV2。该模型以轻量级网络MobileNetV2为基础,通过引入双尺度深度卷积模块、通道混洗技术、调整宽度因子等手段,达到压缩模型参数量的同时提高分类准确率的目的。实验表明,DG-MobileNetV2的参数量仅为0.403 M(文中1 M=1,000,000),在华为技术有限公司发布的生活垃圾分类数据集上的分类准确率达到90.58%,具有良好的分类效果。后续该轻量型模型可以移植至移动端或嵌入式设备中,为生活垃圾智能化的分类提供了新的思路和实现方法。     

基于物联网的智能垃圾分类系统的设计

针对目前垃圾分类种类繁多,大多数中老年人难以记忆,导致垃圾分类效果不佳,同时,垃圾清洁员处理垃圾不及时、效率低,引起环境脏、乱、差等一系列环境问题,设计并实现一种基于物联网的智能垃圾分类系统。该系统基于STM32单片机为主控制单元,利用LD3320语音识别芯片及SYN6288中文语音合成模块判断并播报用户所扔垃圾的分类,同时控制舵机打开/关闭相应的垃圾桶盖,利用HX711压力传感器实时监测垃圾桶的容载情况,并且通过Wi-Fi联网的方式将垃圾桶的容载情况上传至远程服务器,垃圾清洁员可以通过手机App等软件远程实时查看垃圾桶的容载情况,以此来提高垃圾的分类效果和垃圾清洁员的工作效率。实验结果表明：系统实现了语音识别、控制垃圾桶盖打开/关闭和远程查看垃圾桶容载情况,增强了垃圾分类的效果,提高了垃圾处理的效率,具有一定的实用性和社会价值,对智慧城市、智慧小区、智慧校园的建设提供了一定的参考价值。     

基于图像识别的智能垃圾分类系统设计与实现

垃圾分类是现代城市管理的重要问题之一，为了解决日益增多的生活垃圾带来的难题，提出了一种基于图像识别的智能垃圾分类系统。该系统结合最新的垃圾分类标准规范，利用百度人工智能（Artificial Intelligence,AI）框架和人工智能图像识别技术，与数据库中的数据进行对比，能够快速、准确地识别和分类垃圾。同时，通过在设计系统中加入腾讯地图的定位系统，帮助用户查询附近的垃圾回收站点和定位。该平台的搭建对提高用户的垃圾分类识别的准确性具有积极意义，对于城市管理和环境保护方面具有重要的现实意义，进一步推动了垃圾分类的发展。     

基于OpenMV的生活垃圾智能分类系统设计

针对当前愈加严重的垃圾问题,本文设计了一种生活垃圾智能分类系统,以STM32F103ZET6单片机为控制核心,利用OpenMV进行图像识别,建立BP神经网络训练模型,经过训练后,能够实现不同种类的垃圾识别。主控单片机与OpenMV进行通信,实现图像数据的传递,控制二维云台对垃圾进行分类投放,采用超声波传感器实现垃圾箱的满载检测,同时在屏幕显示垃圾种类信息。本系统实现了垃圾类型识别,分类投放,满载检测,垃圾信息显示等功能,经系统测试功能良好。     

基于深度学习的智能分类垃圾桶

垃圾分类已成为全国新风尚,但是垃圾分类的过程中,由于垃圾品类复杂而繁多,群众反应存在分类困难.为了更好地解决垃圾分类困难这一社会热点问题,为垃圾分类提供一种自动化、智能化的解决方法迫在眉睫.论文改进了垃圾图像识别技术,提出了一种基于深度学习的智能分类垃圾桶.论文设计了"Y"字型物理模型,运用了LeNet-5深度学习模型,集成了舵机、超声波、蓝牙等模块,最终实现了精准识别垃圾种类、自动化分类垃圾、满桶提醒和蓝牙传输等功能.实验表明,论文设计的基于深度学习的智能分类垃圾桶具有较好的智能性,提高了垃圾分类的准确率和效率,方便了群众垃圾分类.