随着我国生产力水平的发展以及人口的日益增加,生活垃圾的数量不断增多,对城市的环境以及居民的生活健康都带来了不好的影响。针对此现状,2019年7月上海率先推行了严格的垃圾分类政策。同年9月,西安市也正式施行垃圾分类。但在国内许多数城市,将垃圾混装投放的现象依然大量存在,不利于对垃圾进行有效的分类处理。随着深度学习的发展,其在计算机视觉、图像识别分类上的应用也越来越多。因此,利用深度学习技术实现对垃圾图片的识别,辅助人们进行垃圾分类是一项有意义的工作。本文基于深度学习技术,设计与实现了一个垃圾分类系统,提供读取相册图片分类和相机实时预测分类等便捷的功能,帮助人们对生活中的垃圾进行正确分类。首先,以西安市垃圾分类手册为参考,通过网络爬虫、自行拍照等方式对常见生活垃圾的图片进行收集,构建垃圾图片样本集。其次,对样本集进行多种数据增强方式并以8:2的的比例划分成训练集与验证集,以ResNet50、MobileNetV2、ShuffleNetV2、DenseNet121、EfficientNetV2-S五种深度学习模型为候选主干神经网络并在网络中引入注意力模块,使用不同的损失函数在样本集上进行多组实验,观察模型在验证集上的准确率。在准确率的基础上,综合考虑参数量、浮点计算次数以及模型大小选取EfficientNetV2-S为最终模型,并在自制的测试集上对选取模型的泛化能力进行评估。最后,设计并实现了垃圾分类系统,包括垃圾分类App与Web后端管理系统。将深度学习模型部署至安卓App,用户在登录后可以读取相册图片对垃圾进行分类或者打开相机对准待识别的垃圾进行实时预测,使用方便。同时在模型预测结果与人工识别结果不一致的时候,用户可以在App内提供反馈给Web后端。管理员登录Web后端管理系统后,可以审核用户反馈的图片并上传标注图片至待训练样本集,以便于后续模型的优化。