对于垃圾的识别，可以采用三种算，分别是图像分类算法，目标检测算法以及语义分割算法，经过综合考量，我们认为图像分类算法易受干扰，语义分割算法算力要求过高，所以我们选取目标检测算法，PPyolo算法，在相同的帧数下，基本上拥有最高的识别率，在不论帧数的情况下，其识别率也仅次于EfficientDet,所以我们选择PPyolo算法作为我们的目标检测算法。下位机控制采用McrioPython,MicroPython是Python3编程语言的一个完整软件实现，用C语言编写，被优化于运行在微控制器之上。MicroPython是运行在微控制器硬件之上的完全的Python编译器和运行时系统。提供给用户一个交互式提示符来立即执行所支持的命令。除了包括选定的核心Python库，MicroPython还包括了给予编程者访问低层硬件的模块。正因为MicroPython的简单性，我们选择用它来对sep32进行编程，这样可以使得我们将更多的精力与时间投入到对如何用深度学习进行识别垃圾分类的精度提升。从产业链协同角度而言，前端垃圾分类的强制推进有利于提升资源的回收率，有利于提高再生资源回收企业工作效率和资源再利用率;现行准则要求生活垃圾投放、分类运输，严禁先分后混，这就需要环卫公司针对实际分类更新车辆，实现系统化、规范化管理;从末端处理来看，垃圾分类大大减少后端处理所需的人力物力成本，同时提高垃圾资源的利用效率，从而拉动整体经济收益的提升。该产品不仅可以解决对垃圾分类品种识别的问题，更能解决人们因为惰性不愿进行垃圾分类的难题；除此之外，产品可用于其余大型工厂，可减少雇佣专门的对垃圾进行分类的工人从而减少人工成本。