jinnianhui.vip·(中国)官方网站

       金年会深度學習AI垃圾檢測算法 道路垃圾視頻監控分析系統使借助視覺技術自動分揀垃圾具有了現實的可能性。金年会深度學習AI垃圾檢測算法 道路垃圾視頻監控分析系統通過攝像頭拍攝垃圾圖片,利用卷積神經網絡檢測出垃圾的類別及位置,借助機械手或推板自動完成分揀任務,可以降低人工成本,提高分揀效率。因此,開展垃圾圖像分類算法的研究,具有理論意義和重要的應用價值。

       正確處理廚余垃圾，可以有效地保護環境，并帶來不錯的經濟效益。本文將機器學習運用到廚余垃圾的分類監控中，以識別混入其中的非廚余垃圾。本文在人工收集到的數據集的基礎上，共實驗了模板匹配、模板匹配+SVM，HOG特征提取+SVM，VGG16遷移學習及遷移學習模型微調這五種方法，并對后兩種方法進行了數據增強處理。對這五種方法從模型大小，訓練時間，分類準確率等方面進行分析比較，最終選擇了遷移學習模型微調作為項目的模型，準確率為88.9%，模型大小為64.1MB，訓練時間為84.25min。將軟件進行封裝，并加入對投放人員是否在規定時間內投放垃圾的檢測，制作成垃圾分類監控系統。建立的模型達到了提高廚余垃圾分類的準確率，減輕垃圾管理人員的勞動強度和人工成本的效果。

       如今國內對廚余垃圾的監控大多采用人工監督的方式，由專門的監管人員在回收站點旁對居民是否正確投放廚余垃圾的情況進行監督。但這種純人工的方式會出現工作量大、效率低、成本高的問題，同時人工監督的準確率也不高。
金年会的項目則將當下熱門的人工智能與廚余垃圾的分類監控相結合，利用機器學習的方法，通過系統對廚余垃圾進行自動分類，并對投放垃圾的人員進行監測，判斷其是否在規定的時間段內投放垃圾。這樣不僅能減輕垃圾管理人員的勞動強度，降低人工成本，也能提高廚余垃圾的分類準確率，使廚余垃圾能得到更好的利用。

       金年会深度學習AI垃圾檢測算法 道路垃圾視頻監控分析系統AI算法包用于檢測畫面中垃圾，主要應用于檢測垃圾。此算法包不會檢測人臉或者人體，適用于對穩私要求較高場景下。檢沉到垃圾后會在畫面中將其標記并通過標準數據結構輸出。

了解已有算法，請點擊： 算法中心