改革开放以来,随着我国经济水平的发展,城市化进程的推进,城市生活垃圾产生数量的越来越多,由此引发了大量与生活垃圾相关的问题,给我们的生活环境、生态水平带来更大的挑战,“垃圾围城”成为城市发展之痛。垃圾分类政策的推行有助于提升垃圾的处理速度、保障经济的高速发展、保障生态环境的改善。我国将城市生活垃圾分为可回收物、厨余垃圾、有害垃圾、其他垃圾四类,研究垃圾图片分类算法有助于居民简易、正确的进行垃圾分类,有利于垃圾分类政策的实施、推广。基于垃圾分类现实任务场景,针对垃圾种类繁多、形状各异、无法穷举的特点,本文希望借助少量有标签样本,结合大量容易获得的无标签样本,研究半监督学习垃圾图片分类算法。基于此,本文对国内外半监督学习的研究做了文献综述,最终选定2020年提出的Fix Match模型为基准模型,以期改进该模型,使其适用于垃圾图片分类任务。本文广泛地考察了网上开源的垃圾图片分类数据集,但是没有一个数据集符合本文需求,因此,本文在开源数据集的基础上,通过人工爬取图片补充数据集,构建了“生活垃圾数据集”,该数据集共包含4个大类,226个小类,59498张图片。本文中提到的大类是指数据集中可回收物、厨余垃圾等4大类,提到的小类是指蛋、菜等226个小类。“生活垃圾数据集”构建流程如下:本文参考了和鲸社区开源数据集“垃圾分类图片数据集”,对其进行了严格的人工筛选,删除了不合逻辑的图片（表情包等不合常理的图片）、商用图片（包含商品文字信息的商用展示图）、包含个不同类别种类物体的图片（如一张图片中同时包含鸡蛋和电池,鸡蛋属于厨余垃圾,电池属于有害垃圾）。由于此时四个类别之间严重不均衡,本文将和鲸社区公开的“华为垃圾分类初赛数据集”中的其他垃圾、有害垃圾的图片加入筛选后的数据集中。然后,以每一个小类的图片不得少于30张为原则,人工爬取图片,对数据集进行补充。Fix Match论文在标准数据集上达到了很好的效果。但是,标准数据集类别之间非常均衡,且每一个类别的图片差异不大。而本文的“生活垃圾数据集”类别不太均衡,每一个大类中还有形状各异、无法穷举的小类。该数据在未做更改的Fix Match模型上准确率为59.84%。针对数据的特点,本文做了如下改进。首先,本文改进了被标记样本的选择策略。将Fix Match模型中按类别均匀划分被标记样本改进成按226个小类按比例划分,并规定每一个小类的被标记样本不得少于10个。由此,本文更合理的分配了有标签样本。使得模型准确率提升到76.83%。而后,针对垃圾图片分类任务,本文重新调整了Fix Match的逻辑。由于垃圾图片的形状各异,希望模型能够提取到各个小类之间的差异,本文训练了一个226分类模型。由于垃圾图片的种类无法穷举,希望模型能够学习到同一个大类中不同小类的共同特征,本文训练了一个4分类模型。通过验证集训练出阈值。测试时,图片先通过一个226分类模型,如果最高分类得分高于这个阈值,则输出结果。如果分类得分低于这个阈值,则忘记这个结果,继续通过4分类模型,然后输出结果。改进后的模型分类准确率提升到84.41%。再通过数据增强的手段平衡类别,最终模型的准确率达到85.85%。本文的模型仍然存在以下几个问题。首先,本文的数据集的质量有待提升。第一,数据集类别不平衡的问题仍然存在。难以获取大量有害垃圾的图片来平衡数据集,导致有害垃圾的图片占比不足5%。第二,药品包装成难题。由于药品包装如咳嗽糖浆的瓶子属于有害垃圾,但是其无论是外形还是功能都与可回收物的瓶子十分相像,难以区分。第三,无法判断包含多种垃圾的图片。本文是分类模型,如果一张图片中包含多个不同种类的垃圾,本文只会输出一个分类概率最大的类别,此时,另一个类别的垃圾被忽略。