0 引言

    針對(duì)生活垃圾的識(shí)別分類任務(wù)，我國(guó)大多采用人工進(jìn)行垃圾分揀工作，該分揀方式存在分揀效率低、對(duì)人體危害大等弊端。隨著人工智能的發(fā)展，深度學(xué)習(xí)如今被廣泛應(yīng)用于各個(gè)領(lǐng)域。文獻(xiàn)[1]介紹了基于openCV與TensorFlow框架的垃圾分類設(shè)計(jì)，但是該項(xiàng)目只是講解怎樣去處理圖像，實(shí)現(xiàn)垃圾識(shí)別分類，并未應(yīng)用于實(shí)際。文獻(xiàn)[2]提出以STM32作為控制器進(jìn)行垃圾分揀任務(wù)，以O(shè)penMV攝像頭進(jìn)行垃圾分類識(shí)別，但是由于以STM32作為控制器運(yùn)行神經(jīng)網(wǎng)絡(luò)，使得檢測(cè)效率并不高。文獻(xiàn)[3]提出了基于并聯(lián)機(jī)器人的分揀系統(tǒng)設(shè)計(jì)，該系統(tǒng)對(duì)廢舊塑料瓶的檢測(cè)率達(dá)到98%，效率很高，但是該系統(tǒng)只能檢測(cè)單一垃圾，并且不能判斷檢測(cè)的垃圾種類。文獻(xiàn)[4]提出了以MobileNet SSD為模型、以Jetson TX2為控制器的垃圾分揀機(jī)器人系統(tǒng)，該系統(tǒng)設(shè)計(jì)對(duì)Jetson設(shè)備進(jìn)行了部署加速，使得檢測(cè)速度較快，但是檢測(cè)準(zhǔn)確率并不是很高。有學(xué)者設(shè)計(jì)機(jī)械手來(lái)進(jìn)行垃圾分揀任務(wù)，具有較高的分揀準(zhǔn)確度及穩(wěn)定性^[5]，但是該設(shè)計(jì)基于理論知識(shí)，未能應(yīng)用于實(shí)踐，真實(shí)檢測(cè)效果還有待考量。機(jī)器學(xué)習(xí)需要在計(jì)算能力、儲(chǔ)存能力等都有限的平臺(tái)上表現(xiàn)出優(yōu)越的性能，才能在更廣闊的范圍內(nèi)得到推廣和應(yīng)用^[6]。文獻(xiàn)[7]在嵌入式FPGA運(yùn)行改進(jìn)的SoC神經(jīng)網(wǎng)絡(luò)模型，使得卷積神經(jīng)網(wǎng)絡(luò)的運(yùn)行速度提升了很多。在該項(xiàng)目中以NVIDIA Jetson Nano作為控制器，在該移動(dòng)端部署訓(xùn)練模型，該邊緣嵌入式設(shè)備含有GPU算力，網(wǎng)絡(luò)推理速度更快，有完整的操作系統(tǒng)，界面可視化，操作方便。

本文詳細(xì)內(nèi)容請(qǐng)下載：http://www.shi-ke.cn/resource/share/2000003911。

作者信息：

王  慧，蔣朝根

(西南交通大學(xué) 計(jì)算機(jī)與人工智能學(xué)院，四川 成都611756)