[發明專利]一種基于深度學習的垃圾種類識別系統

在審

• 申請號: 201810268416.X
• 申請日: 2018-03-29
• 公開（公告）號: CN110119662A
• 公開（公告）日: 2019-08-13
• 發明（設計）人: 王勝春
• 申請（專利權）人: 王勝春
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 暫無信息
• 代理人: 暫無信息

本發明公開了一種計算機輔助垃圾分類領域的基于深度學習方法的垃圾種類識別系統。系統包含垃圾分類數據集，垃圾分類器，垃圾分類器訓練模塊和實時垃圾種類識別模塊，垃圾分類器訓練模塊利用垃圾分類數據集訓練垃圾分類器，實時垃圾種類識別模塊從自己的攝像頭采集圖像信息，然后調用垃圾分類器識別圖像中的垃圾種類，輸出識別結果和控制信號。本發明的優點在于使得垃圾分類不再依賴于人的垃圾分類知識，從而可以大大加快我國實施垃圾分類的進程。

技術領域

本發明涉及計算機輔助垃圾種類自動識別技術，尤其涉及一種基于深度學習方法的垃圾種類識別系統。

背景技術

隨著我國經濟的飛速發展，人民生活水平的提高，生活垃圾的產生量也急劇增加。根據中國城市環境衛生協會的統計數據顯示，全國城市生活垃圾年產量超過1.5億噸，并且以每年8％～10％的速度遞增，目前全國城市生活垃圾累積堆存量已達70億噸，占地約80多萬畝。全國688座城市，除縣城外，已有2/3的大中城市陷入垃圾的包圍之中，且有1/4的城市已沒有合適場所堆放垃圾，我國已成為世界上垃圾包圍城市最嚴重的國家之一。國外城市垃圾資源化已進入綜合利用階段.其資源化利用率已在60％以上，而我國尚不到5％。造成這樣的結果，其中一個根本的原因就是我國垃圾的分類收集工作做的很不到位。

現階段人們對環保的重要意義已有較深的認識，也不缺乏參與環境保護的愿望和熱情。但隨著科技的進步，垃圾成分趨于復雜，可回收的垃圾種類也趨于復雜。甚至環保從業人員都搞不清楚哪些是可回收垃圾、哪些屬于不可回收垃圾。根據發達國家的經驗，實現垃圾完全分類回收的先決條件是全體居民有全面的分類知識。教育宣傳的過程往往需要十幾年，而我國實施垃圾分類已經刻不容緩。

垃圾種類繁多，材質、顏色和外形各異，而且在不同地域和不同場景下的類別劃分差異也很大。比如有按干/濕劃分類別的，有按可燃/不可燃劃分類別的，再比如棉簽在醫院場景下屬于有害垃圾，在生活場景下屬于其它垃圾。因此傳統人工特征工程技術手段很難有效識別和按需定制分類。

人工智能技術的發展使得自動識別垃圾種類成為可能。從2016年起，基于深度學習的計算機視覺在圖像分類、物體檢測、物體識別等任務上的表現都已經遠遠超越人類。深度學習是計算密集型任務，隨著近年微處理器計算能力的提升，一些輕量級的深度學習模型已經可以部署在移動式/嵌入式設備上進行實時推理。而硬件成本的持續下降，使得自動垃圾種類識別有了廣闊的市場應用前景。

發明內容

針對傳統技術手段無法實現自動識別垃圾種類的現狀，本發明的目的是提供一種基于深度學習的垃圾種類識別系統，該系統能實時采集垃圾圖像，推斷垃圾種類并輸出識別結果。

為實現上述目的，本發明的技術方案為：所述垃圾種類識別系統包含垃圾分類數據集、垃圾分類器、垃圾分類器訓練模塊和實時垃圾種類識別模塊，垃圾分類器訓練模塊利用垃圾分類數據集訓練垃圾分類器，實時垃圾種類識別模塊從自已的攝像頭采集圖像信息，然后調用垃圾分類器識別圖像中的垃圾種類，輸出識別結果和控制信號。

進一步，所述垃圾分類數據集由各類垃圾的照片構成，其結構應根據實際垃圾分類要求進行組織。

進一步，所述垃圾分類器為卷積神經網絡，輸入為圖像信息，輸出為每種垃圾類別的概率。

進一步，所述垃圾分類器訓練模塊包括x86架構的電腦、深度學習框架和垃圾分類器訓練程序，具體功能通過垃圾分類器訓練程序實現。作為優選，所述x86架構的電腦還包含圖形處理單元(GPU)以加速訓練過程。

進一步，所述實時垃圾種類識別模塊包括卡片式單板電腦及其電源、攝像頭模塊、深度學習框架和實時垃圾種類識別程序，所述實時垃圾種類識別模塊的具體功能通過實時垃圾種類識別程序實現。作為優選，所述實時垃圾種類識別模塊還包含計算機視覺庫以簡化圖像的處理。