环境与发展论坛 (原名：环境与发展)

基于深度学习模型 ResNet-50 的垃圾图像分类研究

张 侠

云南开放大学 云南国防工业职业技术学院

DOI: https://doi.org/10.59429/hjfz.v7i1.9012

Keywords: 深度学习；残差网络；垃圾分类；图像处理

---

Abstract

垃圾分类不仅有助于提高资源回收的效率，还能减少对环境的污染。然而，传统的垃圾分类方法依赖于人 工操作，效率低下且容易出错。随着计算机视觉和深度学习技术的发展，基于图像识别的自动垃圾分类系统应运而生， 它能够快速准确地识别和分类垃圾，极大地提高了垃圾分类的效率和准确性。论文探讨基于深度学习的垃圾图像分 类技术，使用 ResNet-50 网络架构，分析其在垃圾分类中的应用，并展望其未来的发展方向。

---

References

[1] 陈智超,焦海宁,杨杰,等.基于改进MobileNet v2的垃圾图像分类算法[J].浙江大学学报(工学版),2021,55(8):1490-1499.

[2] 徐传运,王影,王文敏,等.面向生活垃圾图像分类的多级特征加权融合算法[J].重庆理工大学学报(自然科学),2022,36(9):146-155.

[3] 王星,晏榕璟.深度可分卷积结合多通道注意力的垃圾图像快速分类模型[J].兰州理工大学学报,2023,49(3):88-93.

[4] 符海强.基于深度学习的细粒度垃圾分类研究[D].西安:西安电子科技大学,2021.