1. 研究目的与意义
随着社会经济的飞速发展，人们生活水平逐步提高，生活垃圾的产生量也在飞速增长，传统的垃圾填埋或者焚烧处理方法所带来的问题日益彰显，近些年陆续有国家开始提倡垃圾分类，垃圾分类回收正在逐渐受到关注和重视。
但是，垃圾分类实施早期，由于人们分类知识欠缺、分类意识薄弱等因素，导致执行效果欠佳。
为此，提出构建一款基于机器视觉和深度学习的智能分类垃圾桶，利用深度学习技术实现对垃圾的分类训练和识别，并移植到嵌入式系统，而后控制硬件垃圾桶自动开盖。
2. 课题关键问题和重难点
1）resnet50网络结构首先对输入做卷积操作，之后包含4个残差快（ResidualBlock), 最后进行全连接操作以便于进行分类任务。
resnet50网络层数较多，训练耗时较长，通过GPU来提高训练效率。
然后根据类别标签做映射，映射到最终的垃圾类别。
3. 国内外研究现状（文献综述）
从已有研究来看，将卷积神经网络用于人脸识别较多。
例如陈耀丹、王连明[1]发表的《基于卷积神经网络的人脸识别方法》中网络由两个卷积层，两个池化层、一个全连接层和一个softmax回归层组成，它能自动提取人脸特征并进行分类，网络通过批量梯度下降法训练特征提取器和分类器，各隐层应用dropout方法解决了过拟合问题，应用于ORL和AR人脸数据库的人脸识别率分别达到99.50%和99.62%，识别单张人脸的时间均小于0.05s，并且对光照差异、面部表情变化、有无遮挡物等干扰具有健壮性。
例如王敏峻[2]发表的《基于深度学习的人脸表情识别》中提出了三种人脸表情识别的算法。
4. 研究方案
本课题所研究的内容一方面是基于深度学习实现垃圾分类，需要实现对输入垃圾图片的种类识别；另一方面是基于Andorid开发垃圾分类APP，可在APP中调取深度学习的服务实现识别垃圾，也可以直接查询垃圾所属种类。
深度学习的环境搭建为Python3.6.12，PyTorch1.5.1，以及其他兼容该版本的组件如numpy1.19.2、pillow8.1.0、matplotlib3.3.4等。
使用PyCharm Community Edition开发工具工具，使用Anaconda3环境管理工具。
5. 工作计划
第1周：撰写开题报告和完成外文翻译。
第2周：和指导老师共同商讨完成课题总体规划和课题的详细设计。
第3-6周：进行课题相关内容的学习，阅读相关文献资料，完成模块化设计并进行模块代码编写与调试。
以上是毕业论文开题报告，课题毕业论文、任务书、外文翻译、程序设计、图纸设计等资料可联系客服协助查找。
