随着我国国民经济产值大幅度提升,人民生活水平大幅度提高,我国的生活垃圾产生量也持续上升。不断上涨的生活垃圾使生态环境污染情况变得更加严重,也给人类的生命健康带来了威胁。如何将生活垃圾进行正确分类已经成为当下最热的研究课题之一。当下,人工智能飞速发展,采用深度学习等人工智能技术对图像进行自动分类已成为可能,基于图像的生活垃圾分类也成为深度学习领域所关注的一个具体问题,得到国内外的广泛关注。聚焦于受到广泛关注的生活垃圾图像分类问题,本文采用已开源的生活垃圾图像数据集和自制的不平衡生活垃圾图像数据集作为研究对象,基于深度学习对图像分类任务进行研究,并结合本文的研究成果构建了基于深度学习的生活垃圾图像分类系统,以供用户能快速、准确地对生活垃圾进行分类。本文的主要研究工作包括:（1）提出基于多级特征加权融合的生活垃圾图像分类算法。本文采用国内开源的“华为云人工智能大赛--垃圾分类挑战杯赛”所公布的生活垃圾图像数据集作为研究对象,构建基于Res Net的特征提取网络,通过构建的多分支网络结构提取并处理图像不同层次的特征信息,在特征融合过程中分析自适应权重融合和固定权重融合对图像分类性能的影响,选取更优的加权融合方法对多级特征进行融合,从而获取更丰富的生活垃圾图像特征信息。该算法在华为生活垃圾图像数据集上的分类准确率最高可达97.53%,优于其他算法,具有一定的研究与实用价值。（2）提出基于不平衡生活垃圾图像数据集的图像分类算法。本文采用自制的不平衡生活垃圾图像数据集作为研究对象,选取Res Net网络作为分类网络,采用数据增强技术对不平衡生活垃圾图像数据集进行扩充,通过对交叉熵损失函数的修改,为不平衡的类别样本赋予不同的权重,从而提升网络模型对不平衡生活垃圾图像数据集的分类性能。通过实验对比,证明本文算法的有效性,且在各项评估指标上优于其他算法。（3）设计基于深度学习的生活垃圾图像分类系统。本文采用Flask框架和My SQL数据库设计并实现了基于上述深度学习方法的生活垃圾图像分类系统。系统可以根据用户上传的生活垃圾图像进行生活垃圾的分类,验证了本文研究算法的有效性,操作简便,对生活垃圾图像的分类准确、迅速。