论文部分内容阅读
传统垃圾分类方法不再适用于物质丰富的时代.为提高垃圾分类效率、推动资源最大化利用、改善垃圾对环境的污染,开发垃圾分类应用软件十分必要.本文基于ResNext-101模型和端对端的语音合成系统(Tacotron),开发集目标识别与语音合成于一体的垃圾分类APP,并以50329张图片、基于《生活垃圾分类标志》共4个大类211个小类作为数据集进行训练和实验.运用ResNeXt-101算法构建基于目标识别的垃圾分类卷积神经网络模型,垃圾识别分类准确率高达80.14％.同时采用Tacotron神经网络模型和Griffin-Lim算法生成语音.该App设计用户操作友好,基本适合于现阶段垃圾分类的应用需求.基于图片的垃圾分类提醒不仅有利于提升日常生活中垃圾分类的准确度,而且在很大程度上提高了垃圾分类效率,具有科学的应用价值.