www·ele169·com|67软件开发0引言中国是全世界人口最多的国家，在日常生活的过程中，会制造大量垃圾。在由生态环境部所公布的《2019年全国大、中城市固体废物污染环境防治年报》中显示，在2018年里，在全国中的200个大、中城市里生活垃圾产生量为21147.3万吨，处置量为21028.9万吨，处置率达到了99.4%[1]。虽然由数据显示的处置率己经很高了，只有其中少部分未被处理。但是这并不是全国所有城市的数据，除了生态环境部统计的这200个大、中城市，还有许多城市和落后的中小城镇的数据并未被统计到，可以推断出未被处理的生活垃圾仍有很多。在年报中，2013~2018年中国200个大、中城市生活垃圾产生量统计及增长情况，可以得出生活垃圾产生量以5-10%的增长速率逐年递增[2]。在垃圾产量巨大的同时，处置垃圾的方法仍然十分落后。我国解决垃圾分类主要依靠人工二次分拣，其弊端如下：（1）二次分拣模式的参与主体是分类指导员，居民其实还是没有真正地参与进来，所以它解决不了居民参与率低的问题[3]；要让居民真正地参与垃圾分类，从根本上还是要让他们从源头开始做好分类。（2）二次分拣的对象是厨余垃圾，像可回收垃圾、有害垃圾等其他垃圾，分类指导员们都不分拣，所以没有真正地达到生活垃圾的减量化、资源化、无害化[4]。（3）此模式操作简单，方法原始，效率低，安全性差，更谈不上精细化管理运营。因此靠“二次分拣”支撑的垃圾分类是走不长远的。使用计算机视觉技术实现自动的垃圾分类识别，存在的问题是效率低，回收利用效率降低，安全性差[5]。精度差，价格昂贵。针对居民参与率低的问题，我国应该从垃圾产生源头入手，以家居垃圾为研究环境，走出二次分拣的困境，使全民参与进来，切实解决分类问题。针对垃圾数据集数据少、质量较差、背景单一、存在标注错误的情况，神经网络无法全面、准确分析、理解分类特征的问题，构建大规模垃圾图像数据库是重要途径。同时数据量的大幅增加与计算机硬件性能的提升，使得深度学习技术开始在计算机视觉领域大放异彩。由于其速度快、准确率高的优点，使得其在各个领域都取得了一定的成果。图像分类在深度学习领域主要依靠CNN卷积神经网络和视觉Transformer图卷积神经网络，由于家居环境对分类精度要求高，对推理速度要求较低，使用单图像分类而不是目标检测。1系统组成家居垃圾分类系统主要由三部分组成，构建垃圾分类数据集、设计垃圾分类网络和搭建安卓app。首先，本文构建垃圾分类数据集。数据集来源为...
