基于SE-ResNet的智能分类可压缩垃圾桶设计

摘要

为了实现生活垃圾的智能、高效和准确分拣，该文提出了一种基于Squeeze-and-Excitation(SE)注意力机制改进型ResNet深度神经网络的智能垃圾分类装置，用于实现智能垃圾分类任务。基于闭环矢量法对分拣机构进行尺寸优化设计，并结合虚功原理计算舵机输出功率，为舵机选型提供理论依据。在网络模型中引入通道注意力机制，使各通道之间有效交互和选择，实现通道信息的充分利用。控制系统基于Arduino Mega 2560进行传感器信号采集，并通过串口与NVIDIA Jetson NX通信，结合投放运动控制算法，实现电机与舵机的精确控制。此外，该系统配备有特制的压缩装置，通过对可压缩垃圾进行机械挤压以提升空间利用率。为了验证系统对垃圾分类的准确性，采用12种常见的生活垃圾对智能分类垃圾桶进行测试，实验结果表明，基于SE-ResNet深度神经网络的垃圾平均识别准确率高达95.83%，能够满足实际应用需求。

关键词

垃圾分类 / 压缩功能 / 深度视觉 / 人工智能