[發(fā)明專利]一種基于分組多級融合的生活垃圾投放智能化監(jiān)管方法

有效

• 申請?zhí)枺?/td>: 202110210117.2
• 申請日: 2021-02-25
• 公開（公告）號: CN113011465B
• 公開（公告）日: 2021-09-03
• 發(fā)明（設(shè)計）人: 潘志剛;朱新榮;沈淑英
• 申請（專利權(quán)）人: 浙江凈禾智慧科技有限公司
• 主分類號: G06K9/62
• 分類號: G06K9/62;G06N3/04
• 代理公司: 北京睿智保誠專利代理事務(wù)所(普通合伙) 11732
• 代理人: 周新楣

本發(fā)明為一種基于分組多級融合的生活垃圾投放智能化監(jiān)管方法，涉及深度學習領(lǐng)域。本發(fā)明包括：步驟1：構(gòu)建生活垃圾投放智能化監(jiān)管網(wǎng)絡(luò)：生活垃圾投放智能化監(jiān)管網(wǎng)絡(luò)包括切片模塊、分組增強模塊、多級分組池化聚合模塊、上采樣模塊和輸出卷積模塊。步驟2：訓練網(wǎng)絡(luò)，獲得權(quán)重；步驟3：利用在步驟2獲得權(quán)值對測試集中的圖片進行指標測評，獲得平均精度mAP值。步驟4：重復執(zhí)行步驟2，步驟3共V次，挑選mAP值最高時獲得訓練集的權(quán)重作為最終的網(wǎng)絡(luò)的權(quán)重。本發(fā)明采用卷積分組參數(shù)復用增強、多級分組池化聚合的機制，有效提高了檢測的準確性和效率，避免了特征的冗余，有效減少參數(shù)，加快算法運行速度，同時兼顧了速度和精度的需求。

技術(shù)領(lǐng)域

本發(fā)明涉及深度學習領(lǐng)域，尤其是涉及一種基于分組多級融合的生活垃圾投放智能化監(jiān)管方法。

背景技術(shù)

隨著我國經(jīng)濟水平的高速發(fā)展，人們的物質(zhì)消費水平不斷提升，相對應(yīng)的垃圾產(chǎn)生量也在迅速增長，由垃圾產(chǎn)生的問題日益突出，人們的反映越來越強烈，推行垃圾分類勢在必行，推行垃圾分類意義重大。目前，我國大部分垃圾處理都是垃圾填埋，占地很大，會引起蚊蟲的增多，污水的湍流和難聞的氣味。垃圾分類還可以節(jié)省資源，提高經(jīng)濟效益。對垃圾中的可回收物進行充分的分類，可以回收垃圾中具有回收價值的廢物，從而可以大大減少垃圾的來源。將可回收利用的廢物變廢為寶可以有效地促進資源的回收利用，并產(chǎn)生可觀的經(jīng)濟效益。

垃圾分類一般指按照一定的分類標準存儲、投放、搬運垃圾。對于個人而言，一般僅涉及到垃圾分類中的投放垃圾，但是對于什么樣的垃圾該投放到什么樣的垃圾桶的個人知曉率很低，常常會出現(xiàn)在易腐垃圾中出現(xiàn)廢紙、塑料等其他類型垃圾的現(xiàn)象。為了解決個人對垃圾分類知曉率低的問題，現(xiàn)有的解決方法是在垃圾分類現(xiàn)場增加分類工作人員，但是這種人工的方法效率很低，并且存在工作人員誤判的情況。本方法的目的在于利用深度學習輔助垃圾分類現(xiàn)場分類工作人員，實時識別出不屬于當前分類類別的垃圾，有效提高垃圾分類工作效率。

現(xiàn)有的基于深度學習的檢測方法有單步和兩步兩種。兩步檢測方法如：Faster R-CNN。該方法由兩個模塊組成，一個模塊用于生成區(qū)域方案；第二個模塊是檢測器，但該方法存在的不足之處是，F(xiàn)aster R-CNN在訓練過程中分兩步進行，導致目標檢測的速度低，無法保證目標檢測的實時性。單步檢測算法如：SSD，根據(jù)每個特征圖位置的不同縱橫比，將邊界框的輸出空間離散為一組默認框。但該方法存在的不足之處是，小目標用于訓練的的先驗框會少很多，得不到充分的訓練。因此該方法對于小目標的檢測精度不夠，定位不準。

發(fā)明內(nèi)容

有鑒于此，為實現(xiàn)我們的實時的生活垃圾投放智能化監(jiān)管方法，我們的網(wǎng)絡(luò)采用了一步檢測的結(jié)構(gòu)，網(wǎng)絡(luò)隨著分組參數(shù)復用增強、多級分組池化聚合的機制加入，實現(xiàn)了對小目標檢測的精度和定位的準確性。本發(fā)明提供了一種基于分組多級融合的生活垃圾投放智能化監(jiān)管方法。

為了實現(xiàn)上述目的，本發(fā)明采用如下技術(shù)方案：

一種基于分組多級融合的生活垃圾投放智能化監(jiān)管方法，包括以下步驟：

采集垃圾分類現(xiàn)場圖片，將所述圖片進行預處理后獲得訓練集；

構(gòu)建生活垃圾投放智能化監(jiān)管網(wǎng)絡(luò)；其中，所述生活垃圾投放智能化監(jiān)管網(wǎng)絡(luò)引入卷積分組參數(shù)復用增強、多級分組池化聚合機制；

將所述訓練集輸入到所述生活垃圾投放智能化監(jiān)管網(wǎng)絡(luò)，多次獲得訓練網(wǎng)絡(luò)，獲得多個權(quán)重，利用多個所述權(quán)重分別對測試集中的圖片進行指標測評，獲得平均精度mAP值；

挑選mAP值最高時所獲得訓練集上的權(quán)重作為最終的網(wǎng)絡(luò)的權(quán)重。

優(yōu)選地，所述生活垃圾投放智能化監(jiān)管網(wǎng)絡(luò)包括切片模塊，分組增強模塊，感受野增強模塊，輸出卷積模塊，基礎(chǔ)卷積模塊和檢測器；

第一通道為切片模塊，第一分組增強模塊，第一基礎(chǔ)卷積，第二分組增強模塊依次連接；