本栏目责任编辑：唐一东人工智能ComputerKnowledgeandTechnology电脑知识与技术第18卷第35期(2022年12月)基于MobileNet-v3与CNN进行垃圾分类钱嵩橙1，董博文2，樊继午3，牛曌4，蒋欣洳5，方智1.（1.电子科技大学成都学院，四川成都610000；2.淮阴工学院交通工程学院，江苏淮安223001；3.长春大学机械与车辆工程学院，吉林长春130000；4.南京邮电大学通达学院，江苏南京225000；5.淮阴师范学院法律政治与公共管理学院，江苏淮安223001）摘要:由于垃圾种类较多，颜色与形状差异大，选用人工分拣垃圾分类存在着非常大的困难，劳动力不足，工作量大，缺乏精准度。文章以MobileNet-V3small网络算法为基础，对垃圾图像进行准确识别和分类，达到速度快、准确度高，借助CNN模型进行光谱特征分析并分类。通过自动化分拣垃圾，实现垃圾分类，大大降低了人工投入量，提高垃圾分类效率。关键词：垃圾；分类；MobileNet-V3；CNN中图分类号：TP18文献标识码：A文章编号：1009-3044(2022)35-0014-02开放科学（资源服务）标识码（OSID）：伴随中国经济社会的发展，人们日常生活质量的提高，以及城镇化的迅速深化，生活垃圾生产量持续推高，全球已经面临垃圾危机[1]。在我国当前城市建设中，目前城建基本定型，其中垃圾中转站的建设也会对环境产生污染，所以垃圾分类的实施不容乐观。在我国，垃圾分类还存在类别不够细致、标准不够清晰，居民的相关分类知识缺乏。因此，自动化智能化的分拣设备被逐渐运用在垃圾分类工作中。另外，由于城市生活废弃物中大多是废弃物和废物，因此人工分类也是废弃物分类中必不可少的关键环节，有利于筛选无法使用传统手段筛选的废弃物以及对废弃物实施质量管理。但是，进行人工垃圾分类将面临工程量大、工作劳动强度大、分类效率低下和工作环境较差的问题，因此，亟须以智能、信息化的分类方式代替传统分拣方式。本课题采用基于Mo⁃bileNet-V3与CNN的深度学习分类模型。该模型将常见垃圾分成四种:其中包含可利用垃圾、危险垃圾、厨余废物和一些其他垃圾。该模型将Mobilenet-V3small网络算法为基础（主要设计载体），并使用新搭建的CNN模块对数据集的光谱特征提取垃圾分析和计算，实现对垃圾目标的识别进行分类。1算法设计在本次的实验中，模型的调用中通过搜集垃圾图片进行整合，每一组图片里有且只有一种垃圾的一个图片，照片的格式统一为jpg，标签格式为txt，在此过程中始终保持两者为一一对应的关系，由于采用的垃圾照片是随机的，...
