مدل‌های طبقه‌بندی و تشخیص شیء برای کاربرد در سامانه‌های تفکیک خودکار پسماند، پشتیبانی از مدیریت پسماند در پروژه‌های عمرانی، حفاظت از محیط‌زیست، کمک به سلامت جانداران و کاهش خطا و هزینه توسعه یافتند. در این مقاله دو مجموعه‌داده‌ی مستقل و قابل ردیابی، پس از غربالگری تکرار و شباهت، با معماری EfficientNet-B0 و انتقال یادگیری مدل‌سازی شدند. مدل‌ها تصاویر پسماند را به‌ترتیب در ۱۱ و ۸ دسته‌ی پرکاربرد با دقت 97/03٪ و 91/31٪ طبقه‌بندی کردند. مقایسه با CNN سفارشی آموزش‌دیده از صفر نشان داد مدل مبتنی بر EfficientNet-B0 با انتقال یادگیری در دورهای ابتدایی آموزش، همگرایی سریع‌تر، دقت اعتبارسنجی بالاتر و میانگین زمان هر دور آموزش کمتری داشت. پس از ارزیابی برون‌مجموعه‌ای و مشخص شدن اهمیت تنوع تصاویر، با ترکیب دو مجموعه‌داده، مجموعه‌داده‌ی MWD7 در ۷ دسته‌ی پرکاربرد پسماند ایجاد شد و مدل جدید با دقت 97/02٪ آموزش دید. مقایسه‌ی EfficientNet-B0 و EfficientNet-B2، نشان داد EfficientNet-B2 برخلاف اندازه‌ی ورودی ثابت، با اندازه‌ی ورودی استاندارد موجب بهبود معیارهای ارزیابی شد. این نتیجه نشان داد استفاده از معماری‌های سنگین‌تر این خانواده همراه با اندازه‌ی ورودی استاندارد، می‌تواند کیفیت مدل را بهبود دهد. با آشکار شدن محدودیت EfficientNet در تحلیل تصاویر دارای چند نوع پسماند، مجموعه‌داده‌ی چندشیئی MOWD ایجاد شد و مدل YOLO26s برای تشخیص هم‌زمان نوع و موقعیت هر پسماند در تصاویر چندشیئی آموزش یافت و مقدار mAP50-95 برابر 0/792 به دست آمد. تمامی مدل‌ها با تصاویر دیده‌ نشده و چندین معیار معتبر ارزیابی شدند. نتایج نشان داد روش تحقیق، دقت و کارآیی مدل‌ها را برای طبقه‌بندی و تشخیص هوشمند پسماند بهبود می‌دهد.