基于深度学习的垃圾分类方法综述

TP391; 垃圾分类是保护生态环境、促进经济发展的有效措施,利用深度学习进行垃圾分类已成为当前学术界和工业界的研究热点.传统垃圾分类主要由人工进行分拣和分类,存在劳动强度大、分选效率低、工作环境差等缺点,急需智能化、自动化的分类方法来替代.近年来研究人员已经开始初步探索利用深度学习技术进行垃圾分类并提出一些有效的方法.从方法、数据集和研究方向等方面分析深度学习垃圾分类方法的研究现状,介绍不同深度学习模型在垃圾分类中的应用和发展,研究基于ResNet方法、基于DenseNet方法、基于单阶段目标检测方法和基于卷积神经网络与迁移学习相结合方法等多种典型方法的性能和特点并对比其优缺点,对现有的垃圾...

Full description

Saved in:
Bibliographic Details
Published in计算机工程 Vol. 48; no. 2; pp. 1 - 9
Main Authors 李金玉, 陈晓雷, 张爱华, 李策, 林冬梅
Format Journal Article
LanguageChinese
Published 兰州理工大学 电气工程与信息工程学院,兰州 730050 2022
兰州理工大学 电气与控制工程国家级实验教学示范中心,兰州730050
兰州理工大学 甘肃省工业过程先进控制重点实验室,兰州730050
Subjects
垃圾分类;深度学习;卷积神经网络;ResNet系统;DensenNet系统;单阶段目标检测
Online AccessGet full text
ISSN1000-3428
DOI10.19678/j.issn.1000-3428.0061338

Cover

More Information
Summary:TP391; 垃圾分类是保护生态环境、促进经济发展的有效措施,利用深度学习进行垃圾分类已成为当前学术界和工业界的研究热点.传统垃圾分类主要由人工进行分拣和分类,存在劳动强度大、分选效率低、工作环境差等缺点,急需智能化、自动化的分类方法来替代.近年来研究人员已经开始初步探索利用深度学习技术进行垃圾分类并提出一些有效的方法.从方法、数据集和研究方向等方面分析深度学习垃圾分类方法的研究现状,介绍不同深度学习模型在垃圾分类中的应用和发展,研究基于ResNet方法、基于DenseNet方法、基于单阶段目标检测方法和基于卷积神经网络与迁移学习相结合方法等多种典型方法的性能和特点并对比其优缺点,对现有的垃圾分类公开数据集进行概述与总结.在此基础上,分析深度学习在垃圾分类领域面临的挑战,并对其发展趋势及未来的研究方向进行展望.
ISSN:1000-3428
DOI:10.19678/j.issn.1000-3428.0061338