[發明專利]基于深度學習的垃圾檢測分類方法和裝置

在審

• 申請號: 202011137414.0
• 申請日: 2020-10-22
• 公開（公告）號: CN112232246A
• 公開（公告）日: 2021-01-15
• 發明（設計）人: 陳海波;其他發明人請求不公開姓名
• 申請（專利權）人: 深蘭人工智能（深圳）有限公司
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62
• 代理公司: 常州佰業騰飛專利代理事務所(普通合伙) 32231
• 代理人: 陳紅橋

本發明提供了一種基于深度學習的垃圾檢測分類方法和裝置，其中，該方法包括以下步驟：采用目標檢測模型對目標檢測圖像進行目標檢測，以判斷目標檢測圖像中是否存在待分類垃圾；如果目標檢測圖像中存在待分類垃圾，則獲取待分類垃圾在當前像素坐標系下的坐標；根據待分類垃圾在當前像素坐標系下的坐標從目標檢測圖像中摳出待分類垃圾檢測圖像；采用目標分類模型對待分類垃圾檢測圖像進行分類檢測，以判斷待分類垃圾檢測圖像中的待分類垃圾是否為目標垃圾。根據本發明的基于深度學習的垃圾檢測分類方法，能夠準確地識別出路面待清掃的垃圾，從而確保能夠準確有效地對路面待清掃垃圾進行清掃。

技術領域

本發明涉及目標檢測技術領域，具體涉及一種基于深度學習的垃圾檢測分類方法和一種基于深度學習的垃圾檢測分類裝置。

背景技術

隨著城市化的現象日趨加劇，城市面積日益加強，相應的城市環衛工作量隨城市的發展而日益強大，因此，如果通過人工清掃的方式對路面垃圾進行清掃，那么將耗費大量的人力物力。

相關技術中，一般先對路面垃圾進行識別檢測，再控制清掃車進行自動清掃。然而，相關技術中對路面垃圾進行識別檢測的準確性較低，因此，無法準確有效地對路面垃圾進行清掃。

發明內容

本發明為解決上述技術問題，提供了一種基于深度學習的垃圾檢測分類方法，能夠準確地識別出路面待清掃的垃圾，從而確保能夠準確有效地對路面待清掃垃圾進行清掃。

本發明采用的技術方案如下：

一種基于深度學習的垃圾檢測分類方法，包括以下步驟：采用目標檢測模型對目標檢測圖像進行目標檢測，以判斷目標檢測圖像中是否存在待分類垃圾；如果目標檢測圖像中存在待分類垃圾，則獲取待分類垃圾在當前像素坐標系下的坐標；根據待分類垃圾在當前像素坐標系下的坐標從目標檢測圖像中摳出待分類垃圾檢測圖像；采用目標分類模型對待分類垃圾檢測圖像進行分類檢測，以判斷待分類垃圾檢測圖像中的待分類垃圾是否為目標垃圾。

在采用所述目標檢測模型對所述目標檢測圖像進行目標檢測之前，包括：采集路面垃圾圖像數據，并對所述路面垃圾圖像數據進行手工標注，以生成訓練樣本集；根據所述訓練樣本集對目標檢測網絡進行訓練，以生成所述目標檢測模型。

所述采用目標檢測模型對目標檢測圖像進行目標檢測包括：采用中值濾波、圖像銳化、旋轉、鏡像、亮度調整、變換RGB顏色通道中的至少一種方式對所述目標檢測圖像進行數據增強處理；采用所述目標檢測模型對數據增強處理后的目標檢測圖像進行目標檢測。

所述采用目標分類模型對所述待分類垃圾檢測圖像進行分類檢測，包括：采用中值濾波、圖像銳化、旋轉、鏡像、亮度調整中的至少一種方式對所述待分類垃圾檢測圖像進行數據增強處理；采用所述目標分類模型對數據增強處理后的待分類垃圾檢測圖像進行分類檢測。

深度學習的垃圾檢測分類方法還包括：如果判斷所述待分類垃圾檢測圖像中的待分類垃圾為目標垃圾，則獲取所述目標垃圾在當前像素坐標系下的坐標；將所述目標垃圾在當前像素坐標系下的坐標與相機的內參矩陣進行乘法運算，以獲取所述目標垃圾在當前像素坐標系下的坐標；將所述目標垃圾在當前像素坐標系下的坐標與相機坐標系和車體坐標系的變換矩陣進行乘法運算，以獲取目標垃圾在所述車體坐標系下的坐標。

一種基于深度學習的垃圾檢測分類裝置，包括：目標檢測模塊，所述目標檢測模塊用于采用目標檢測模型對目標檢測圖像進行目標檢測，以判斷目標檢測圖像中是否存在待分類垃圾；第一獲取模塊，所述第一獲取模塊用于在所述目標檢測圖像中存在所述待分類垃圾時，獲取所述待分類垃圾在當前像素坐標系下的坐標；第二獲取模塊，所述第二獲取模塊用于根據所述待分類垃圾在當前像素坐標系下的坐標從目標檢測圖像中摳出待分類垃圾檢測圖像；分類檢測模塊，所述分類檢測模塊用于采用目標分類模型對所述待分類垃圾檢測圖像進行分類檢測，以判斷所述待分類垃圾檢測圖像中的待分類垃圾是否為目標垃圾。