环境与发展论坛 (原名：环境与发展)

基于改进Faster R-CNN的生活垃圾自动检测与分类方法

姜 晨曦

西南林业大学

王 素

西南林业大学

李 源锦

西南林业大学

罗 廷芳

西南林业大学

DOI: https://doi.org/10.59429/hjfz.v8i9.15410

Keywords: 垃圾检测；垃圾分类；深度学习；Faster R-CNN；细粒度分类；mAP

---

Abstract

生活垃圾自动识别是破解“垃圾围城”困境、提升资源回收效率的关键技术。现有研究多依赖手工特征或 标准图像，缺乏对自然场景下垃圾的鲁棒处理。本文借鉴蝴蝶种类自动识别的深度学习框架，提出一种改进 Faster R-CNN 的垃圾自动检测与分类系统。构建包含 4,270 张垃圾图片的数据集（覆盖可回收物、有害垃圾、厨余垃圾、 其他垃圾），采用翻转、旋转等 9 种数据增强技术扩充样本。模型结合特征金字塔网络（FPN）和可变形卷积，增 强对垃圾变形和遮挡的适应实验结果显示，测试集 mAP（mean average precision）达 91.53%，证明系统能同时定位和 分类垃圾，为智慧城市提供自动化解决方案。

---

References

[1] 谢娟英，侯琦，史颖欢等. 蝴蝶种类自动识别研究[J]. 计算机研究与发展，2018, 55(8):1609-1618.

[2] 欧阳效岚，梁佳孜，张梦瑶等. 基于人工智能和深度神经学习的智能分拣系统——以应用于社区垃圾桶为例[J]. 中文科技期刊数据库 ( 全文版 ) 工程技术，2023(5):17-20.

[3] 宋涛. 基于机器视觉的家庭智能分类垃圾桶设计[J]. 电脑知识与技术，2022,18(23):74-75+78.DOI:10.14004/j.cnki.ckt.2022.1576.

[4] 梁旭东. 基于深度学习的智能垃圾分类系统研究[D]. 西安 : 西安建筑科技大学，2021.