工业革命使得人类的生产力水平以指数级提升,也使得垃圾数量飞速上涨,如何处置垃圾在全世界范围变成一个棘手的问题。垃圾分类作为资源回收利用的重要环节之一,可以有效地提高资源回收利用效率,减轻环境污染带来的危害。传统的图像分类算法很难满足垃圾分拣设备的要求,随着深度学习技术的发展,使借助视觉技术自动分拣垃圾具有了现实的可能性。通过摄像头拍摄垃圾图片,利用卷积神经网络检测出垃圾的类别及位置,借助机械手或推板自动完成分拣任务,可以降低人工成本,提高分拣效率。因此,开展垃圾图像分类算法的研究,具有理论意义和重要的应用价值。本文将目标检测算法以及视频跟踪技术结合起来,在传送带环境下模拟了垃圾分类的场景,实现了垃圾的自动定位,可以将垃圾的坐标提供给后面的机械手或机械推板,完成分拣过程。本文的主要研究内容包括:(1)根据华为垃圾分类公开数据集,标注建立了垃圾检测数据集;(2)研究了各种分类模型,最终选定ResNet101作为检测的主干网络,提出了网络中加入注意力机制与特征融合机制的技术方案,能够更好地提取垃圾图像信息,并完成了消融实验;(3)选择了SSD作为检测网络的baseline,利用模型压缩技术,提高了识别垃圾类别和位置的实时性;(4)研究了多目标视频追踪的方法—SORT法与Deep SORT法,分析了这二者方法的不足,使用改进的Deep SORT算法完成了垃圾在传送带上的视频追踪,取得了更好的准确性与实时性;(5)完成了垃圾分类系统的总体设计,实现了分类模块,通过现场实验,验证了算法的有效性,能基本满足实际需求。