社会物质生产水平和人口数量的不断攀升共同导致了垃圾总产量的扩增。对垃圾检测并识别、进行垃圾分类,以改善处理环节的自动化水平逐渐成为了上述背景下的时代关注,有着巨大的社会及经济价值。因此,本文提出了一种垃圾检测与识别算法,并针对其终端部署权衡速度与精度做出改善进而构建了包含投放垃圾人员人脸身份识别在内的完整微型监管系统。主要包括如下方面工作:（1）针对当前垃圾检测数据集规模小且多为分类数据集本研究无法直接使用问题。首先,基于华为垃圾数据集构建了初始数据集;其次,编写自动化脚本对该数据集充分分析并完成了结果可视化;最后,提出了一种基于爬虫技术的数据扩充策略及数据半智能标注方法进行数据扩充。最终构建了共包含44个种类、34395个目标及标注的垃圾检测数据集,为后续研究提供了良好的数据基础。（2）针对本研究场景下算法在终端部署时硬件限制及实时性约束并权衡准确率要求。首先,选定YOLOv5作为基线网络并引入Ghost模块对网络主要单元Bottleneck CSP结构进行轻量化改进;其次,对算法原检测头分支结构进行重新设计并对收益贡献较少部分采用轻量化卷积模块进行替换,同时重新设计了检测头锚框;最后,针对部分轻量化改进的副作用,在骨干网络特征图尺寸变化的每个阶段融入注意力机制以提升网络精度。最终提出了YOLOv5-4DWGA算法且与原YOLOv5在同等对比下,m AP提升2.95%,检测速度提升了28.15%。（3）设计并实现了一个垃圾检测与识别系统,该系统包括垃圾识别与检测模块、身份验证模块、界面显示模块。首先,完成了系统的整体架构设计并将YOLOv5-4DWGA垃圾检测与识别算法进行嵌入;其次,利用基于Res Net的人脸检测和基于Landmardks的关键点提取实现了人脸识别并引入质心追踪算法对其改进完成了身份验证模块;最后,利用Py Qt5实现了界面显示模块,尽管界面比较简单但仍为后续系统的更新提供基础模块构件。最终完成了整个微型系统的开发,为算法的落地提供了支撑。