改进残差网络的轻量级塑料垃圾分类研究

针对当前日益严重的塑料污染问题,开展塑料垃圾分类与回收迫在眉睫,采用更精细的垃圾分类方法,使得塑料垃圾回收利用的比率将会越来越高,也能从源头上杜绝塑料污染。目前国内塑料垃圾分类网络存在识别准确率不高、运行过程耗时长、模型占用内存大等问题。改进残差网络结构,提出一种双通道轻量级网络(DCLNet-18)对塑料垃圾进行分类。首先使用深度可分离卷积替换标准卷积,减少网络的参数量和计算量;然后在网络的每个BasicBlock后串联双通道注意力机制,增强网络的特征提取能力;最后与AlexNet、VGG、ResNet等系列网络对比。实验结果表明,相比ResNet18网络,DCLNet-18网络的训练时间缩短12.5%,准确率提高2.8%,因此更适合移动端、嵌入式设备应用,为塑料垃圾分类网络轻量化提供了新的思路。