深度学习AI垃圾检测算法 道路垃圾视频监控分析系统

       燧机深度学习AI垃圾检测算法 道路垃圾视频监控分析系统使借助视觉技术自动分拣垃圾具有了现实的可能性。燧机深度学习AI垃圾检测算法 道路垃圾视频监控分析系统通过摄像头拍摄垃圾图片,利用卷积神经网络检测出垃圾的类别及位置,借助机械手或推板自动完成分拣任务,可以降低人工成本,提高分拣效率。因此,开展垃圾图像分类算法的研究,具有理论意义和重要的应用价值。

       正确处理厨余垃圾，可以有效地保护环境，并带来不错的经济效益。本文将机器学习运用到厨余垃圾的分类监控中，以识别混入其中的非厨余垃圾。本文在人工收集到的数据集的基础上，共实验了模板匹配、模板匹配+SVM，HOG特征提取+SVM，VGG16迁移学习及迁移学习模型微调这五种方法，并对后两种方法进行了数据增强处理。对这五种方法从模型大小，训练时间，分类准确率等方面进行分析比较，最终选择了迁移学习模型微调作为项目的模型，准确率为88.9%，模型大小为64.1MB，训练时间为84.25min。将软件进行封装，并加入对投放人员是否在规定时间内投放垃圾的检测，制作成垃圾分类监控系统。建立的模型达到了提高厨余垃圾分类的准确率，减轻垃圾管理人员的劳动强度和人工成本的效果。

       如今国内对厨余垃圾的监控大多采用人工监督的方式，由专门的监管人员在回收站点旁对居民是否正确投放厨余垃圾的情况进行监督。但这种纯人工的方式会出现工作量大、效率低、成本高的问题，同时人工监督的准确率也不高。
我们的项目则将当下热门的人工智能与厨余垃圾的分类监控相结合，利用机器学习的方法，通过系统对厨余垃圾进行自动分类，并对投放垃圾的人员进行监测，判断其是否在规定的时间段内投放垃圾。这样不仅能减轻垃圾管理人员的劳动强度，降低人工成本，也能提高厨余垃圾的分类准确率，使厨余垃圾能得到更好的利用。

       燧机深度学习AI垃圾检测算法 道路垃圾视频监控分析系统AI算法包用于检测画面中垃圾，主要应用于检测垃圾。此算法包不会检测人脸或者人体，适用于对稳私要求较高场景下。检沉到垃圾后会在画面中将其标记并通过标准数据结构输出。

了解已有算法，请点击：算法中心