论文部分内容阅读
为探索深度学习在资源回收领域中的应用,采用深度残差网络ResNet18网络模型将废料瓶分类为塑料瓶、金属瓶、玻璃瓶、纸瓶四类。在图像采集过程中,利用Opencv识别出主体对象,并去除多余的背景,将图像预处理为224×224矩阵数据,以减少模型运算量,再以TF2.0框架为后台搭建ResNet18残差网络,并在卷积层后激活函数前增加BN层减少模型训练时间。最终基于深度残差网络ResNet18的废料瓶分类识别正确率为89.4%,实现了对废料瓶子的有效分类,但识别正确率仍有待提高。