文獻標識碼： A
DOI：10.16157/j.issn.0258-7998.211795
中文引用格式： 王慧，蔣朝根. 基于深度學習的智能垃圾分揀車系統[J].電子技術應用，2022，48(1)：71-75.
英文引用格式： Wang Hui，Jiang Chaogen. Intelligent garbage sorting truck system based on deep learning[J]. Application of Electronic Technique，2022，48(1)：71-75.
0 引言
針對生活垃圾的識別分類任務，我國大多采用人工進行垃圾分揀工作，該分揀方式存在分揀效率低、對人體危害大等弊端。隨著人工智能的發展，深度學習如今被廣泛應用于各個領域。文獻[1]介紹了基于openCV與TensorFlow框架的垃圾分類設計，但是該項目只是講解怎樣去處理圖像，實現垃圾識別分類，并未應用于實際。文獻[2]提出以STM32作為控制器進行垃圾分揀任務，以OpenMV攝像頭進行垃圾分類識別，但是由于以STM32作為控制器運行神經網絡，使得檢測效率并不高。文獻[3]提出了基于并聯機器人的分揀系統設計，該系統對廢舊塑料瓶的檢測率達到98%，效率很高，但是該系統只能檢測單一垃圾，并且不能判斷檢測的垃圾種類。文獻[4]提出了以MobileNet SSD為模型、以Jetson TX2為控制器的垃圾分揀機器人系統，該系統設計對Jetson設備進行了部署加速，使得檢測速度較快，但是檢測準確率并不是很高。有學者設計機械手來進行垃圾分揀任務，具有較高的分揀準確度及穩定性[5]，但是該設計基于理論知識，未能應用于實踐，真實檢測效果還有待考量。機器學習需要在計算能力、儲存能力等都有限的平臺上表現出優越的性能，才能在更廣闊的范圍內得到推廣和應用[6]。文獻[7]在嵌入式FPGA運行改進的SoC神經網絡模型，使得卷積神經網絡的運行速度提升了很多。在該項目中以NVIDIA Jetson Nano作為控制器，在該移動端部署訓練模型，該邊緣嵌入式設備含有GPU算力，網絡推理速度更快，有完整的操作系統，界面可視化，操作方便。
本文詳細內容請下載：http://www.jysgc.com/resource/share/2000003911。
作者信息：
王 慧，蔣朝根
(西南交通大學 計算機與人工智能學院，四川 成都611756)
