人与环境的和谐共融是人类生存与社会可持续发展的重要保证,垃圾分类对环境保护和社会资源再利用具有重大的作用和深远的意义。目前,垃圾分类主要采用人工辅助方法完成,分类效率低,浪费人力资源。因此,本文提出一种基于卷积神经网络的常见可回收瓶状垃圾检测算法,实现瓶状垃圾的智能检测分类。本文主要研究内容如下:首先,对卷积神经网络基础知识和常见卷积神经网络的目标检测算法进行研究,在分析不同检测算法性能的基础上,采用Faster RCNN(Faster Region Based Convolutional Neural Networks)神经网络作为目标检测算法,针对垃圾图像中待检测瓶状目标大小不同的问题,对算法中的特征提取模块和候选框生成模块进行改进。其次,采集常见的可回收瓶状垃圾图像5000张,使用数据增强技术进行图像数量扩充至20000张,构建常见可回收瓶状垃圾图像的数据集。最后,采用改进的VGG16模型对双线性插值缩放后的瓶状垃圾图像进行特征提取,在改进的VGG16模型中,主要对卷积核大小和网络结构改进,引入随机正则化函数,降低特征维度,减弱过拟合现象。在此基础上,优化区域建议网络中anchor机制参数,调整区域建议网络和Faster RCNN算法后端的分类函数,实现对垃圾图像中瓶状目标的定位与分类。在深度学习框架上对本文算法进行仿真研究,验证基于改进VGG16模型的Faster RCNN目标检测算法的有效性。