基于卷积神经网络模型的垃圾分类系统开题报告

1. 研究目的与意义

近年来，随着我国经济的快速发展，国家各项建设都蒸蒸日上，成绩显著。

但与此同时，也让 资源与环境受到了严重破坏。

这种现象与垃圾分类投放时的不合理直接相关，而人们对于环境污染 问题反映强烈却束手无策，这两者间的矛盾日益尖锐。

2. 课题关键问题和重难点

1.课题的关键问题 1.1 数据增强: 一个卷积神经网络，如果能够对物体即使它放在不同的地方也能稳健的分类，就被称 为具有不变性的属性。

更具体的，cnn 可以对移位（translation）、视角（viewpoint） 、大小（size）、照明（illumination）（或者以上的组合）具有不变性。

1.2 卷积神经网络模型: 卷积神经网络（convolutional neural networks, cnn）是一类包含卷积计算且具有 深度结构的前馈神经网络（feedforward neural networks）。

3. 国内外研究现状（文献综述）

近年来伴随着深度学习的兴起，计算机视觉所覆盖的诸多领域逐步进入人们的视野和应用，其 中图像识别技术相关的研究和应用进展较为突出。

追溯自20世纪中叶开始，图像分类技术在计算机 视觉领域便取得了长足的发展，而最近几年在人工神经网络的大发展背景下，基于卷积神经网络（c onvolutional neural networks，cnn）的图像分类技术在智能数据采集和高效处理中也取得了较好 的效果。

众所周知图像分类技术在互联网应用的诸多领域有着良好的应用前景，例如：航空遥感[1]和 海洋遥感[2]图像的分析以及人脸识别[3]等。

4. 研究方案

整个项目大体分为图像的收集、图像的处理、卷积神经网络的搭建、模型训练、模型测试、最 后用一个gui界面对项目进行封装。

设计完成了一个可识别垃圾图像类别以及可调用摄像头识别垃圾 物体的系统。

垃圾分类图像识别系统的构成步骤如下所示：1. 图像预处理：数据集来源于网络图片。

5. 工作计划

第 1 至第 3 周： 收集有关资料，熟悉语言工具，查阅、学习有关文献，完成开题报告，提交英文翻译； 第 4 至第 6 周： 学习卷积神经网络相关知识并进行前期准备， 确定并检查所用的编程环境； 第 7 至 8 周： 搭建数据库以及准备好相应代码的编写； 第 9 至 10 周： 完成代码内容，完善总体布局以及各功能进行调试调整，对部分代码进行初步的优化； 第 11 至 12 周： 编写代码完毕。

对已经完成的代码进行测试，运行整体网站，查找不足和系统漏洞，并撰写毕业 设计论文初稿； 第 13 至 14 周： 自审、互审，完成修改工作，准备答辩。