垃圾分类对于垃圾利用和环境保护具有重要意义。自2019年上海推行垃圾分类以来,我国垃圾分类工作取得初步成效,但生活垃圾混装混投的现象仍大量存在,其原因是人们对于垃圾分类规则的掌握不够清晰。因此,研发一款便捷的垃圾分类系统既能减少人们的学习成本,又能解决人们日常生活中遇到的垃圾分类问题。基于此,本文以青岛市垃圾分类标准为规则,基于深度卷积网络给出了垃圾图像分类识别模型,基于该模型研发了安卓端的垃圾分类识别应用系统。本文的主要工作如下:（1）调研了移动端垃圾分类应用软件动态,并分析其优劣势;分析了卷积神经网络的特征以及深度学习在垃圾分类领域的应用。着重研究了传统卷积神经网络Google Net中Inception结构的原理以及移动端卷积神经网络Mobile Net的结构特点。（2）本文给出了一种基于卷积网络的垃圾图像分类模型Mobile Net-Inception。基于移动端的垃圾图像分类既要考虑模型的精度,也要保证模型的轻量化,即模型的参数量不能过大,因此在模型设计时需兼顾两者。为保证模型的轻量化,模型以Mobile Net为基础,考虑到垃圾之间特征信息差异较大,将不同尺寸的深度可分离卷积纳入模型中,从而获得了不同尺度的感受野,提高了模型的精度。（3）建立了垃圾图像分类数据集。为知晓人们易误分的垃圾,本文通过问卷调查获取了易误分垃圾目录,并以此为基础,通过互联网收集、整理已有垃圾图像数据集、实地拍照等方式采集自制了Garbage Image垃圾图像数据集。（4）设计实现了基于Mobile-InceptionNet的垃圾图像分类安卓APP。系统采用Spring MVC架构和前后端分离的方式进行设计。系统主要功能是通过手机拍照实现对垃圾的分类识别,其它功能包括注册登录、垃圾查询、拍照识别、知识科普、检索日志等。