[發(fā)明專利]一種基于混合卷積神經(jīng)網(wǎng)絡(luò)的垃圾分類方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201911383091.0
• 申請(qǐng)日: 2019-12-27
• 公開（公告）號(hào): CN111144496B
• 公開（公告）日: 2022-11-18
• 發(fā)明（設(shè)計(jì)）人: 石翠萍;譚聰;苗鳳娟;劉文禮;王天毅
• 申請(qǐng)（專利權(quán)）人: 齊齊哈爾大學(xué)
• 主分類號(hào): G06V10/774
• 分類號(hào): G06V10/774;G06V10/77;G06V10/82;G06N3/04
• 代理公司: 哈爾濱市松花江專利商標(biāo)事務(wù)所 23109
• 代理人: 時(shí)起磊

一種基于混合卷積神經(jīng)網(wǎng)絡(luò)的垃圾分類方法，它屬于垃圾分類回收技術(shù)領(lǐng)域。本發(fā)明解決現(xiàn)有方法對(duì)垃圾分類的精度低、且需要的訓(xùn)練時(shí)間長(zhǎng)的問(wèn)題。本發(fā)明的混合卷積神經(jīng)網(wǎng)絡(luò)模型靈活運(yùn)用了卷積層、批標(biāo)準(zhǔn)化、最大池化層和全連接層，將BN批標(biāo)準(zhǔn)化用于每層卷積層和全連接層之后，進(jìn)一步增強(qiáng)模型提取特征的能力，使各層作用充分發(fā)揮，進(jìn)而得到較好的分類結(jié)果。利用BN層的正則化效果，適當(dāng)?shù)募尤胱畲蟪鼗瘜訉?duì)特征進(jìn)行統(tǒng)計(jì)，減少特征維度，提高表征能力，且能夠很好擬合，收斂速度快、參數(shù)量少、計(jì)算復(fù)雜度低，較傳統(tǒng)卷積神經(jīng)網(wǎng)絡(luò)有明顯優(yōu)勢(shì)。同時(shí)，模型采用SGDM+Nesterov的優(yōu)化器，最終模型在圖像上的分類準(zhǔn)確率達(dá)到92.6％。本發(fā)明可以應(yīng)用于生活垃圾分類。

技術(shù)領(lǐng)域

本發(fā)明屬于垃圾分類回收技術(shù)領(lǐng)域，具體涉及一種基于混合卷積神經(jīng)網(wǎng)絡(luò)的垃圾分類方法。

背景技術(shù)

垃圾分類回收在日常生活中占有非常重要的地位，隨著人們生活水平的提高，日常生活垃圾越來(lái)越多。以前垃圾分類都是通過(guò)人力進(jìn)行的，隨著人工智能的興起，利用深度學(xué)習(xí)和其它智能技術(shù)對(duì)垃圾進(jìn)行自動(dòng)分類受到了普遍的歡迎。Lulea技術(shù)大學(xué)于1999年開展了一個(gè)項(xiàng)目，開發(fā)了一個(gè)使用機(jī)械形狀標(biāo)識(shí)符回收金屬?gòu)U料的系統(tǒng)。在貝葉斯計(jì)算框架中使用了SIFT和輪廓形狀的特征，其系統(tǒng)基于Flickr材料數(shù)據(jù)庫(kù)。JinqiangBai等人設(shè)計(jì)了一個(gè)新型拾垃圾的機(jī)器人，機(jī)器人能夠利用深層神經(jīng)網(wǎng)絡(luò)進(jìn)行垃圾識(shí)別，準(zhǔn)確自主地檢測(cè)垃圾，效果很顯著。2016年，一種能夠區(qū)分堆肥的自動(dòng)垃圾被RaspberryPI回收利用，他們的系統(tǒng)是使用谷歌的TensorFlow開發(fā)的，該系統(tǒng)的缺點(diǎn)是只能區(qū)分堆肥材料。

ArtzaiPicon等人利用高光譜數(shù)據(jù)允許構(gòu)建比標(biāo)準(zhǔn)彩色圖顏色表示更精細(xì)的模型來(lái)采樣有色金屬垃圾的特性。提出的模糊光譜和空間分類器算法融合了光譜和空間特征，通過(guò)構(gòu)造生物的光譜模糊集來(lái)降低高光譜數(shù)據(jù)的維數(shù)，實(shí)驗(yàn)結(jié)果表明，當(dāng)光譜空間特征用于有色金屬垃圾時(shí)分類率得到了很大的提升。2012年，Alex Krizhevsky等人使用基于卷積神經(jīng)網(wǎng)絡(luò)的AlexNet，在ImageNet競(jìng)賽圖像分類任務(wù)中取得了最好成績(jī)。此后，好的卷積神經(jīng)網(wǎng)絡(luò)相繼被提出，能夠較好地用于目標(biāo)檢測(cè)和分類。NoushinKarimian等人提出一種新的分類方法，利用磁感應(yīng)光譜法對(duì)三種金屬進(jìn)行分類，可以構(gòu)造出有效的分類器。S.Shylo等人利用毫米波成像技術(shù)加多個(gè)傳感器來(lái)提供互補(bǔ)數(shù)據(jù)，從而提高了廢紙和卡片的分類性能。RutqvistD等人使用自動(dòng)機(jī)器學(xué)習(xí)來(lái)解決生活中智能垃圾管理系統(tǒng)的容器排空問(wèn)題，利用現(xiàn)有的人工工程模型及其改進(jìn)的傳統(tǒng)機(jī)器學(xué)習(xí)算法，使用隨機(jī)森林分類器達(dá)到最佳效果，還提高了回收容器排空時(shí)間的預(yù)測(cè)質(zhì)量。Zhao Dong-e等人提出利用高光譜成像系統(tǒng)采集垃圾樣品的近紅外高光譜圖像，通過(guò)去噪和反射率信息的黑白校正反演對(duì)采集的樣本圖像進(jìn)行預(yù)處理，然后用主成分分析訓(xùn)練樣本的感興趣區(qū)域。結(jié)果證明，經(jīng)過(guò)SAM的測(cè)試和分類對(duì)可回收垃圾高光譜圖像處理可以得到更準(zhǔn)確的結(jié)果。Zheng,JJ等人提出使用數(shù)理統(tǒng)計(jì)的方法來(lái)表述個(gè)體有限理性，并使用無(wú)標(biāo)度網(wǎng)絡(luò)的特定圖結(jié)構(gòu)來(lái)表征群體結(jié)構(gòu)，利用Python進(jìn)行仿真實(shí)驗(yàn)，該文對(duì)個(gè)體有限理性的表征，具有一定的理論價(jià)值，同時(shí)，對(duì)垃圾分類具有推廣作用。Chu Y等人提出一種多層混合方式的深度學(xué)習(xí)系統(tǒng)，可自動(dòng)分類城市公共區(qū)域內(nèi)個(gè)人處理的垃圾，使用多層感知機(jī)器(MLP)方法整合圖像特征和其它特征信息，得到很好的分類性能。Yusoff S H等人設(shè)計(jì)了一個(gè)自動(dòng)分離金屬的可回收生活垃圾并記錄垃圾數(shù)據(jù)的系統(tǒng)。Zeng等人提出一種利用機(jī)載高光譜數(shù)據(jù)監(jiān)測(cè)大面積垃圾分布的方法，提出一種新的高光譜圖像分類網(wǎng)絡(luò)——多尺度卷積神經(jīng)網(wǎng)絡(luò)，對(duì)高光譜圖像數(shù)據(jù)的像素進(jìn)行分類，生成二值垃圾分割圖。該算法在大面積垃圾檢測(cè)方面有良好的性能。Seok-BeomRoh等人利用混合技術(shù)構(gòu)造了一種模糊徑向基函數(shù)神經(jīng)網(wǎng)絡(luò)分類器，實(shí)驗(yàn)結(jié)果表明具有特征提取技術(shù)的分類系統(tǒng)的分類性能好，能有效的回收垃圾。