基于改进EfficientNet V1的可回收垃圾分类算法

随着城市的快速发展,居民的生活质量日渐提高,但生活垃圾数量也迅速增加,许多城市都面临着垃圾分类处理的难题。可回收垃圾占生活垃圾的比例很大,且其回收价值较高,可二次利用。针对目前人工分拣和机械分拣低效率、高成本的问题,文中提出了改进EfficientNet V1的可回收垃圾图像分类方法,使用通道和空间注意力模块和空间转换器模块用于改进模型,增强对特征的提取能力。实验结果表明,仅使用空间转换器模块的模型在TrashNet数据集上的准确率达到了98.88%,高于所有对比模型,而使用通道和空间注意力模块以及同时使用两种模块的模型相对于原模型来说精度有提升。在2种公共数据集Cifar100和ImageNet100上进行实验,仅使用空间转换器模块的模型仍获得了最高准确率62.78%和68.17%。利用深度学习技术,实现了可回收垃圾准确快速分类,为垃圾分类事业提供了帮助。