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(xué)習(xí)的智能垃圾分揀車系統(tǒng)[J].電子技術(shù)應(yīng)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(wù),,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(fā)展,深度學(xué)習(xí)如今被廣泛應(yīng)用于各個領(lǐng)域,。文獻[1]介紹了基于openCV與TensorFlow框架的垃圾分類設(shè)計,,但是該項目只是講解怎樣去處理圖像,實現(xiàn)垃圾識別分類,,并未應(yīng)用于實際,。文獻[2]提出以STM32作為控制器進行垃圾分揀任務(wù),以O(shè)penMV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(jīng)網(wǎng)絡(luò),,使得檢測效率并不高。文獻[3]提出了基于并聯(lián)機器人的分揀系統(tǒng)設(shè)計,,該系統(tǒng)對廢舊塑料瓶的檢測率達到98%,,效率很高,但是該系統(tǒng)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(tǒng),,該系統(tǒng)設(shè)計對Jetson設(shè)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(xué)者設(shè)計機械手來進行垃圾分揀任務(wù),,具有較高的分揀準確度及穩(wěn)定性[5],但是該設(shè)計基于理論知識,,未能應(yīng)用于實踐,,真實檢測效果還有待考量。機器學(xué)習(xí)需要在計算能力,、儲存能力等都有限的平臺上表現(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[7]在嵌入式FPGA運行改進的SoC神經(jīng)網(wǎng)絡(luò)模型,,使得卷積神經(jīng)網(wǎng)絡(luò)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(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。
本文詳細內(nèi)容請下載:http://forexkbc.com/resource/share/2000003911,。
作者信息:
王 慧,,蔣朝根
(西南交通大學(xué) 計算機與人工智能學(xué)院,四川 成都611756)