垃圾分类是现代很重要的一个研究课题,其现在多局限于人工分类。本文主要研究的是如何使用机器将垃圾进行分类,随着现在摄像手段的增强和图像分类技术的增强,我考虑使用一种图像识别的技术来对垃圾图像进行分类,进而向垃圾分类的实现靠近。其二现阶段使用的图像识别的方法大多数使用单一神经网络的方法,本文通过研究表明神经网络与支持向量机的组合模型有较好的分类能力。论文的主要研究内容包括以下内容:1、垃圾图像数据的收集、整理、建立垃圾图像库。本文通过上海地区的垃圾处理条例总结出了4大类,40多个小类的垃圾,并使用google等搜索引擎收集图像数据建立垃圾图像库。2、垃圾类别识别模型的设计与实现。本文先通过迁移学习的卷积神经网络对图像特征的提取工作,并使用神经网络建立模型以供对比,其后设计了不同的组合模型。3、对比分析各种组合模型和单一神经网络模型。论文对比了各种组合模型的优劣,最终得到了部分机器学习模型的精度以及训练速度都要优于单一神经网络模型的结论,证明了,某些传统机器学习模型的加入可以提高单一神经网络的能力。本文将图像识别技术应用到垃圾分类中。建立了单一的神经网络模型和组合模型,通过这些模型识别效果和训练时间的比较,可以得出神经网络与支持向量机的组合模型更适合使用在垃圾图像上,为以后真正的垃圾自动分类应用的研究提供可靠的依据。