[發明專利]一種基于深度學習的垃圾分類方法

有效

• 申請號: 202011461440.9
• 申請日: 2020-12-09
• 公開（公告）號: CN112541544B
• 公開（公告）日: 2022-05-13
• 發明（設計）人: 柯逍;陳柏濤
• 申請（專利權）人: 福州大學
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06F16/951;G06Q50/26
• 代理公司: 福州元創專利商標代理有限公司 35100
• 代理人: 陳明鑫;蔡學俊

本發明涉及一種基于深度學習的垃圾分類方法。首先使用爬蟲爬取并構建深度學習訓練集，將該版數據集稱為初始數據集；然后使用不同的網絡結構在初始數據集的基礎上訓練模型，得到多個模型；接著使用這些模型結合爬蟲進行數據的自動爬取、清洗、打標，完成對初始數據集的自動擴充，構建最終版數據集；最后選出表現最好的網絡結構作為主干網絡，在最終構建的數據集上訓練模型，并且使用各種優化策略進行優化，提升模型的準確率與魯棒性。

技術領域

本發明涉及模式識別與計算機視覺領域，特別涉及一種基于深度學習的垃圾分類方法。

背景技術

隨著人們生活水平的日益提高，城市中所產生的生活垃圾的越來越多。對于海量垃圾的處理，需要付出的成本是很高的。不管是焚燒還是填埋，都需要付出巨大的人力物力，還要以污染環境為代價。進行生活垃圾分類，最大限度地提高資源的利用率，減輕垃圾處理負擔，實現可持續發展，已經逐漸得到人們的重視。然而，自生活垃圾分類政策在全國各省市推行以來，現狀并不太樂觀。許多試點小區垃圾分類實行情況欠佳，一些省市甚至高薪聘請社會監督員來強制人們進行垃圾分類。人們對垃圾分類積極性不高，不是因為它們環保意識不夠，不想保護環境，而是因為要進行垃圾分類，首先要清楚地掌握相關規則和知識，這需要一定的學習成本。很對人看到那復雜的垃圾分類規則，便喪失了進行垃圾分類的積極性。針對上述問題的存在，高效準確的生活垃圾類別識別與分析具有其現實意義。它可以為每個不愿意花時間記憶復雜的垃圾分類規則的人帶來無窮便利，也可以為環境保護、可持續發展貢獻一份力量

現有的垃圾分類數據集存在類別少，數據量小的特點，無法很好地代表現實中種類繁多的垃圾。現有的垃圾分類算法都是針對規模比較小的數據集，這樣的算法存在泛化能力較差的特點，很難廣泛的應用到日常生活場景中。

發明內容

本發明的目的在于提供一種基于深度學習的垃圾分類方法，能快速準確地對生活垃圾類別進行進行判別。由于構建并使用一個龐大的數據集進行訓練，模型的泛化性能較好，適用于生活中的各種場景。

為實現上述目的，本發明的技術方案是：一種基于深度學習的垃圾分類方法，包括如下步驟：

步驟S1、使用爬蟲爬取并構建深度學習訓練集，將該版數據集稱為初始數據集；

步驟S2、使用不同的網絡結構在初始數據集的基礎上訓練模型，得到多個模型；

步驟S3、使用步驟S2得到的模型結合爬蟲進行數據的自動爬取、清洗、打標，完成對初始數據集的自動擴充，構建最終版數據集；

步驟S4、選出步驟S2中表現最好的網絡結構作為主干網絡，在構建的最終版數據集上訓練模型，并且使用優化策略進行優化，提升模型的準確率與魯棒性。

在本發明一實施例中，步驟S1具體實現如下：

步驟S11、通過給http請求首部加上UserAgent與referer將爬蟲程序偽裝成火狐瀏覽器；使用urllib庫獲取頁面內容；將獲取的頁面內容按照json格式解析；

步驟S12、按照從json中解析出來的圖片地址獲取并下載圖片；

步驟S13、完成數據的爬取后，對于不符合要求的圖片進行清洗；

步驟S14、對樣本數較少的類別重新返回步驟S11。

在本發明一實施例中，步驟S2具體實現如下：

步驟S21、使用ResNet-50、ResNet-101、WideResNet-101、Inception-v3、Xception、EfficientNet-b3、EfficientNet-b4、EfficientNet-b5、EfficientNet-b6這幾種網絡結構對初始數據集逐一進行訓練，得到不同結構的模型；