文献标识码:A
DOI:10.16157/j.issn.0258-7998.211795
中文引用格式:王慧,蒋朝根. 基于深度学习的智能垃圾分拣车系统[J].电子技术应用,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
针对生活垃圾的识别分类任务,我国大多采用人工进行垃圾分拣工作,该分拣方式存在分拣效率低、对人体危害大等弊端。随着人工智能的发展,深度学习如今被广泛应用于各个领域。文献[1]介绍了基于openCV与TensorFlow框架的垃圾分类设计,但是该项目只是讲解怎样去处理图像,实现垃圾识别分类,并未应用于实际。文献[2]提出以STM32作为控制器进行垃圾分拣任务,以OpenMV摄像头进行垃圾分类识别,但是由于以STM32作为控制器运行神经网络,使得检测效率并不高。文献[3]提出了基于并联机器人的分拣系统设计,该系统对废旧塑料瓶的检测率达到98%,效率很高,但是该系统只能检测单一垃圾,并且不能判断检测的垃圾种类。文献[4]提出了以MobileNet SSD为模型、以Jetson TX2为控制器的垃圾分拣机器人系统,该系统设计对Jetson设备进行了部署加速,使得检测速度较快,但是检测准确率并不是很高。有学者设计机械手来进行垃圾分拣任务,具有较高的分拣准确度及稳定性[5],但是该设计基于理论知识,未能应用于实践,真实检测效果还有待考量。机器学习需要在计算能力、储存能力等都有限的平台上表现出优越的性能,才能在更广阔的范围内得到推广和应用[6]。文献[7]在嵌入式FPGA运行改进的SoC神经网络模型,使得卷积神经网络的运行速度提升了很多。在该项目中以NVIDIA Jetson Nano作为控制器,在该移动端部署训练模型,该边缘嵌入式设备含有GPU算力,网络推理速度更快,有完整的操作系统,界面可视化,操作方便。
本文详细内容请下载:http://www.chinaaet.com/resource/share/2000003911。
作者信息:
王 慧,蒋朝根
(西南交通大学 计算机与人工智能学院,四川 成都611756)