基于深度残差网络ResNet的废料瓶分类系统

• 作者: 王浩
• 来源期刊: 科技与创新
• 关键词: 废料瓶分类 Opencv 深度学习 ResNet18
• 年，卷（期）: 2020,（14）
• 所属期刊栏目: 科技前沿
• 页码范围: 71-72
• 页数: 2页
• 分类号: X705|TP391.41
• 语种: 中文
• DOI: 10.15913/j.cnki.kjycx.2020.14.026

摘要

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.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	王浩	武汉理工大学信息工程学院	35	235	9.0	13.0