[發明專利]一種用于家居服務的垃圾分揀方法和垃圾分揀裝置

在審

• 申請號: 202110181294.2
• 申請日: 2021-02-08
• 公開（公告）號: CN113052005A
• 公開（公告）日: 2021-06-29
• 發明（設計）人: 吳岳忠;沈雪豪;李長云;陳蓉蓉;肖發龍
• 申請（專利權）人: 湖南工業大學
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/62;G06F16/36
• 代理公司: 北京潤捷智誠知識產權代理事務所(普通合伙) 11831
• 代理人: 安利霞

1.一種用于家居服務的垃圾分揀方法，其特征在于，包括：

采集物品圖片基礎數據和文本類垃圾數據、結構化垃圾數據；

根據物品圖片基礎數據和預設比例，得到訓練數據和測試數據；

根據訓練數據和YOLOv4-Tiny目標檢測模型，得到模型權重文件；

根據模型權重文件和測試數據，得到圖片視頻類垃圾判斷模型；

根據圖片視頻類垃圾判斷模型、文本類垃圾數據和結構化垃圾數據，得到垃圾分揀知識圖譜；

根據圖片視頻類垃圾判斷模型和垃圾分揀知識圖譜進行垃圾分揀。

2.根據權利要求1所述的用于家居服務的垃圾分揀方法，其特征在于，根據物品圖片基礎數據和預設比例，得到訓練數據和測試數據的步驟之前，還包括以下步驟：

將物品圖片基礎數據進行數據篩選、數據增強和數據標注，得到優化的物品圖片基礎數據。

3.根據權利要求2所述的用于家居服務的垃圾分揀方法，其特征在于，根據訓練數據和YOLOv4-Tiny目標檢測模型，得到模型權重文件，具體包括以下步驟：

將訓練數據輸入YOLOv4-Tiny目標檢測模型進行訓練，直至達到預設迭代次數或者損失函數達到最小趨于平衡時，停止訓練，得到模型權重文件。

4.根據權利要求3所述的用于家居服務的垃圾分揀方法，其特征在于，將訓練數據輸入YOLOv4-Tiny目標檢測模型進行訓練，直至損失函數達到最小趨于平衡時，停止訓練，得到模型權重文件的步驟中，損失函數通過以下公式得到：

Loss＝L_loc+L_conf+L_cls

其中，Loss為損失函數，L_loc為回歸框預測誤差，L_conf為置信度誤差，L_cls為分類誤差，IOU(A,B)為預測框和真實框的交并比，ρ²(A_ctr,B_ctr)為預測框和真實框的中心點的歐式距離，m為同時包含預測框和真實框的最小封閉區域的對角線距離，w^gt和h^gt為真實框的寬、高；w和h為預測框的寬、高；S²為網格數，B為每個網格中的先驗框個數，I_ij^obj表示預測的邊界框包含目標，I_ij^nobj表示預測的邊界框不含目標，為預測置信度，為實際置信度，λ_nobj為自行設置的參數值；c為檢測目標所屬種類，P_i^j(c)是指單元格中目標屬于類別c的實際概率，為預測概率。

5.根據權利要求4所述的用于家居服務的垃圾分揀方法，其特征在于，根據圖片視頻類垃圾判斷模型和垃圾分揀知識圖譜進行垃圾分揀，具體包括以下步驟：

使用圖片視頻類垃圾判斷模型對待識別物品進行識別檢測，得到待識別物品的類別名稱和位置；

使用垃圾分揀知識圖譜對該類別名稱和位置進行判斷，得到待識別物品是否為垃圾及其分類。

6.一種用于家居服務的垃圾分揀裝置，其特征在于，包括：

采集模塊，用于采集物品圖片基礎數據和文本類垃圾數據、結構化垃圾數據；

劃分模塊，用于根據物品圖片基礎數據和預設比例，得到訓練數據和測試數據；

訓練模塊，用于根據訓練數據和YOLOv4-Tiny目標檢測模型，得到模型權重文件；

測試模塊，用于根據模型權重文件和測試數據，得到圖片視頻類垃圾判斷模型；

融合模塊，用于根據圖片視頻類垃圾判斷模型、文本類垃圾數據和結構化垃圾數據，得到垃圾分揀知識圖譜；

分揀模塊，用于根據圖片視頻類垃圾判斷模型和垃圾分揀知識圖譜進行垃圾分揀。