基于深度学习的智能分类垃圾桶

来源 :计算机与数字工程 | 被引量 : 1次 | 上传用户:a15892465043
下载到本地 , 更方便阅读
声明 : 本文档内容版权归属内容提供方 , 如果您对本文有版权争议 , 可与客服联系进行内容授权或下架
论文部分内容阅读
垃圾分类已成为全国新风尚,但是垃圾分类的过程中,由于垃圾品类复杂而繁多,群众反应存在分类困难。为了更好地解决垃圾分类困难这一社会热点问题,为垃圾分类提供一种自动化、智能化的解决方法迫在眉睫。论文改进了垃圾图像识别技术,提出了一种基于深度学习的智能分类垃圾桶。论文设计了"Y"字型物理模型,运用了LeNet-5深度学习模型,集成了舵机、超声波、蓝牙等模块,最终实现了精准识别垃圾种类、自动化分类垃圾、满桶提醒和蓝牙传输等功能。实验表明,论文设计的基于深度学习的智能分类垃圾桶具有较好的智能性,提高了垃圾分类
其他文献
由于社会网络的日益复杂,具有线性时间复杂度的标签传播算法越来越被广泛的运用,然而在标签传播过程中存在随机性,致使社区划分不稳定。因此,对节点标签初始化、节点更新顺序
由于短文本内容少,在语义特征上短文本要比长文本匮乏的多,传统的主题模型对于普通文档非常有效,然而严重的数据稀疏问题使得短文本主题建模困难。为了解决这一问题,提出了GB
针对单位内部存在的风险,利用模糊层次分析法(FAHP)对态势感知系统中的信息进行风险评估。论文主要从资产、攻击、漏洞这三个方面进行风险评价。首先,分析这三个方面各自的影
云计算任务调度是一个难于精确求解的调度问题,需要兼顾考虑计算时间和资源利用率。为了最大程度地节省计算时间和提升资源利用率,论文提出了一种云计算任务调度双精英种群文
桥梁底面裂纹隐蔽且不易观察,利用仰视摄像头自动检测桥梁底面裂纹对桥梁的安全监测具有重要的作用。和桥面裂纹检测的摄像头位置不同,桥底面检测的摄像头仰视观测裂纹受到桥墩等遮挡、环境光照反光等复杂的光照影响,现有的裂纹检测算法性能难以满足实际应用需求。针对这一问题,文章提出了一种光照鲁棒性的桥底裂纹检测与测量算法,首先利用全局自适应光照调整采集图像的亮度,然后利用多幅图像拼接获得底面的全横截面图像对桥底
随着数据科学研究的不断深入,异常数据对数据分析工作的干扰也越来也大,如何有效检测异常数据已成为数据研究的关键问题之一。目前传统基于距离的方法仅考虑单个对象的异常性
连通域标记算法在CPU运行效率比较有限,这也是连通域标记算法处理图像的症结所在,针对这一问题,提出了一种并行二值图像连通域标记算法。从二值图像处理问题的可并行化出发,根据GPU并行计算的特点设计出了一种图像预处理、溯源(伪溯源)、伪溯源处理三个步骤的并行标记算法,采用硬件支持的多个线程并行执行处理的方式来提升算法的效率并实现了该算法,实验结果表明该算法相对CPU单线程处理算法效率具有明显提升,也更
随着电子商务的发展,网上购物已经逐渐成为我们生活中不可缺少的一部分,随之而产生的大量评价也成为商家改善服务的重要指标之一。论文提出基于Word2vec、改进TF-IDF和LSTM三
传统故障预警检测方法存在普适性差、预警信息不详细、缺乏针对性的问题。针对当前遇到的问题,通过分析设备业务运行状态与监控统计数据特点,将分类与聚合的方法应用于设备业
为提高细粒度图像分类的精确度,提出一种基于双线性网络(Bilinear CNN)的改进方法。首先,选取结构紧密的DenseNet121卷积部分作为特征提取模块,运用改进的Relu-and-Softplus激活函数;接着,结合注意力机制引入空间注意力模块和通道注意力模块,在整体性和局部性上有效提取细节特征;并增加一层卷积层实现调整特征图维度的过渡作用,通过特征图分组策略有效降低特征向量维度减少参数;