基于resnet和jaccard算法的垃圾分类系统的设计与实现（论文+程序设计源码）

Posted 2021-07-22 weixin_40228600

固体废物在城市地区的积累正成为一个令人关注的问题，如果管理不当，将会造成环境污染，并可能危害人类健康。拥有先进的垃圾管理系统来管理各种废物非常重要。然而，回收任务通常需要大量的人工成本，而计算机视觉和深度学习（DL）技术可帮助自动检测和分类废物类型以进行回收任务。深度学习是可以解决视觉识别和分类的人工智能部分之一，而卷积神经网络（CNN）是目前称为图像识别的主要方法的DL体系结构之一。基于有效图像识别的自动分类机器人可以帮助减少回收任务的繁重工作。卷积神经网络（CNN）模型，例如ResNet，改进了传统的图像识别技术，并且是当前图像识别的主要方法。
本系统是使用ResNet卷积神经网络模型开发的，该模型是一种机器学习工具并充当提取器，用于将垃圾分类为不同的类型，例如玻璃、金属、纸张和塑料等。经过导入科学库 TensorFlow、sklearn来搭建神经网络数据模型，定义算法核心的 bottleneck残差学习单元搭建ResNet-50数据模型同时引入softmax、relu、sigmoid等激活函数。导入训练集，进行不断的监督学习训练搭建垃圾识别模型。该系统在垃圾图像数据集上进行了测试，并能够在数据集上达到87％的准确性。

关键词：图像识别；卷积神经网络；ResNet算法
Abstract

The accumulation of solid waste in urban areas is becoming a concern. If not managed properly, it will cause environmental pollution and may endanger human health. It is very important to have an advanced waste management system to manage a