废品回收一直是环境保护、资源回收和社会民生的重要问题。为提升可回收物的资源利用率，本作品设计了一款基于深度学习的智能垃圾分类系统，主要包括用户软件和分拣设备两大部分，其中用户软件用于可回收物计费及分类信息可视化，分拣设备将常见的可回收物进行分类归箱。

用户软件利用PyQt技术开发界面，实现投放过程的信息可视化；利用物联网技术实现用户IC卡的计费管理，根据用户投放的垃圾，给予用户经济回报。分拣设备以树莓派4B+板卡为中央控制器，基于Tensorflow框架，使用ResNet-50模型进行图像特征提取及分类，利用余弦退火和迁移学习策略对模型进行优化改进，实现高精度可回收物识别；考虑计算与存储需求，采用云部署方式，利用Flask技术将模型预测直接打包成http接口，通过TCP网络通讯技术实现树莓派和云端服务器数据的交互，实现快速识别；利用可编程引脚传递脉冲信号，以驱动器为媒介，通过编程进行86电机的调速与定位，进而控制方形滑板角度实现分类收集；

经测试，用户软件人机交互效果好，收益计算准确无误，后台数据更新速度快。分拣装置使用云部署识别速度为0.114s/次，识别精度为97.42%。系统运行稳定，垃圾分类工作效率高，且硬件成本低廉，具有良好的市场前景。