根据相关统计数据,我国三分之二的大中城市已经陷入到垃圾包围中,而且,城市生活垃圾仍以8%-10%的速度持续增长。因此,必须采取有效的办法综合治理城市垃圾问题。推行垃圾分类是破解当前“垃圾围城”困境的关键。本文充分考虑当前国民垃圾分类的意识薄弱、分类知识匮乏、各城市分类标准不统一等情况,聚集源头垃圾分类投放,研发一款智能垃圾分类投放引导系统。该系统的研发将对于普及垃圾分类知识和垃圾回收率的提升起到很好的示范及推动作用,具有重要的社会及经济价值。本文的主要工作内容如下:一、垃圾图像分类算法设计。首先,介绍了垃圾图像的独有特点,并分析了斯坦福大学垃圾图像数据集Trash Dataset的不足,自行采集构建了新的垃圾图像分类数据集Garbage Dataset。其次,基于Garbage Dataset数据集设计了多任务学习的垃圾图像分类网络,比较了多种基于深度学习的分类网络在该数据集上的表现,综合运用了数据增广、warmup动态学习率、标签平滑等优化策略,最终优化的模型分类准确率达到了96.82%。二、新增垃圾类别的持续学习算法设计。首先,分析构建持续学习垃圾图像数据集的必要性,并通过精选开源的垃圾图像和数据增广等方式完成持续学习垃圾图像数据集FGCL-Dataset（fine-grained continual learning dataset）的构建。其次,比较了三种类型的持续学习算法设计思想的优缺点,优选基于记忆存留的思想提出基于SVM的持续学习算法,基于关键参数保护的思想提出基于嵌入网络的持续学习算法。最后,分别与经典持续学习模型进行比较,证实了两种算法在一定程度上缓解了“灾难性遗忘”的问题。三、智能垃圾分类引导装置研制。首先,针对国内外最新一体化“封闭式”AI智能桶存在的问题,如分类数少、不方便转运、可视化效果差、垃圾尺寸限制大等,创新地研制了“视觉检测与智能桶分离”+“桶盖与桶身分离”的智能垃圾分类引导系统。随后,分别从视觉检测装置和智能桶装置来介绍具体机构设计、重要部件选型及相应电控设计,并在此基础上完成分类模型云端部署。最后展示了智能垃圾分类引导系统的设计图及实物图。