目前,垃圾分类已成为社会热点话题。我国在推行垃圾分类的过程中,普遍存在不愿分、不会分、不能有效回收等问题,使得垃圾分类难以真正落地。北京、上海等多个城市已经严格执行垃圾分类制度并出台管理办法和条例,一场让垃圾分类成为新时尚的浪潮就此展开。随着人工智能的发展,借助计算机视觉对垃圾进行自动化分拣是一种有效的解决办法。因此,论文对个人投放垃圾和各种垃圾混杂分拣这两种应用场景,提出了基于计算机视觉的垃圾分类识别系统的研究。具体研究内容如下所述。首先,论文介绍了垃圾分类的研究背景和意义,从传统的垃圾分类方法和基于计算机视觉的垃圾分类这两方面对研究现状进行论述,并对论文所要研究的内容进行概括。其次,论文针对个人投放垃圾这种应用场景,建立了单目标垃圾数据集。依据垃圾“四分类”方法,将生活垃圾可分为有害垃圾、可回收垃圾、厨余垃圾和其他垃圾这四类。从这四类中选取具有典型代表的20个小类垃圾建立子类别,总共有8000多张垃圾图片,分别采用基于特征融合的分类识别算法和基于卷积神经网络的分类识别算法对数据集进行训练、测试。实验结果验证了卷积神经网络对垃圾图像有更好的识别效果。再次,针对各种垃圾混杂分拣这种应用场景,论文进一步研究了在同一张图像中对多种垃圾的检测识别,构建了以实地拍摄的垃圾照片为主的多目标垃圾图像数据集。采用YOLO算法对多目标垃圾图像识别检测,通过实验对比YOLO v3和YOLO v4在多目标垃圾图像数据集上的性能差异。同时引入注意力机制对YOLO v3进行改进,并与原始模型就训练和测试结果进行分析,验证了引入注意力机制对YOLO算法有增强效果。最后,利用PyQt5开发了垃圾分类检测系统,并对训练得到的YOLO算法的权重模型进行测试和应用。经过系统测试,表明系统功能都能正常运行,满足系统工作需求。