0     引言

　　根據中國城鄉建設統計年鑒統計，我國城市生活垃圾的產生量由1979年的0.25億噸增至2018年的2.28億噸[1]。隨著人民生活水平的提高，垃圾產生量仍在上升。有效回收生活垃圾成為急需解決的問題，這對于可持續發展具有重大的意義。垃圾分類是回收的前提。目前，我國垃圾分類主要以人工分揀為主，存在勞動強度大、效率低等缺點。實現垃圾分揀的智能化與自動化具有重要的意義。垃圾圖片分類算法有助于實現垃圾分揀的智能化與自動化。

　　近年來，越來越多的專家學者對垃圾分類算法進行了研究與實踐。吳建等人使用傳統的計算機視覺方法，手動提取特征，識別實驗室廢物垃圾[2]。黃惠玲等人提出基于HSV的閾值分割算法和K均值聚類算法識別建筑垃圾圖像[3]。黃興華等人提出基于紋理特征融合的道路垃圾圖像識別算法[4]。向偉等人提出改進的CaffeNet網絡識別水面垃圾[5]。但是缺乏針對生活垃圾圖片分類算法的研究。目前，我國各城市全面推行垃圾分類制度，基本建立相應的法律法規和標準體系，將生活垃圾細分，大致可分為可回收垃圾、有害垃圾、廚余垃圾和其他垃圾四大類。針對我國垃圾分類現狀，收集制作了小型生活垃圾數據集，選取經典網絡ResNet18[6]作為基礎網絡，使用GhostNet[7]的幻象模塊代替殘差學習單元中的普通卷積，減少網絡的參數量，提出基于幻象殘差結構的垃圾圖片分類算法。

本文詳細內容請下載：http://www.jysgc.com/resource/share/2000003317

作者信息：

鄭佑順1，2，林珊玲2，3，林志賢1，2，周雄圖1，2，郭太良1，2

（1.福州大學 物理與信息工程學院，福建 福州350116；2.中國福建光電信息科學與技術創新實驗室，福建 福州350116；3.福州大學 先進制造學院，福建 泉州362200）