[發明專利]一種垃圾分類方法及智能垃圾桶在審
| 申請號: | 202110459712.X | 申請日: | 2021-04-27 |
| 公開(公告)號: | CN113191420A | 公開(公告)日: | 2021-07-30 |
| 發明(設計)人: | 劉馨月;劉翔;詹文杰;邱梓逸 | 申請(專利權)人: | 廣州軟件學院 |
| 主分類號: | G06K9/62 | 分類號: | G06K9/62;G06N3/04;G06N3/08 |
| 代理公司: | 廣州三環專利商標代理有限公司 44202 | 代理人: | 郭浩輝;顏希文 |
| 地址: | 510990 廣東省廣州市從*** | 國省代碼: | 廣東;44 |
| 權利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關鍵詞: | 一種 垃圾 分類 方法 智能 垃圾桶 | ||
本發明公開了一種垃圾分類方法及智能垃圾桶,分類方法包括:獲取基礎數據集,并對基礎數據集進行預處理得到預處理數據集;選取預訓練模型進行遷移學習,將預處理數據集和垃圾分類標簽輸入至預訓練模型中進行訓練,構建垃圾訓練模型;采集待分類垃圾的圖像數據,并將圖像數據輸入至垃圾訓練模型中進行特征提取,得到待分類垃圾對應的垃圾特征;將垃圾特征與垃圾訓練模型中的特征進行匹配,根據匹配結果得到待分類垃圾的分類結果。本發明實施例在獲取到大量的預處理數據后,選取預訓練模型進行遷移學習構建垃圾訓練模型,并通過垃圾訓練模型對待分類垃圾進行特征提取以及匹配,能夠全面識別生活中的多種垃圾,從而能夠有效提高垃圾分類的效果。
技術領域
本發明涉及垃圾分類技術領域,尤其是涉及一種垃圾分類方法及智能垃圾桶。
背景技術
隨著經濟的發展,人民的生活水平也逐漸提高,隨之產生的垃圾產量如噴發式地劇增。垃圾分類回收問題已日益嚴峻,垃圾分類回收已逐漸成為居民日常生活中不可或缺的一環。然而,目前的垃圾分類效果并不明顯,主要包括兩方面的原因,一方面是國內缺乏對垃圾分類回收的宣傳和普及教育;另一方面是人們對垃圾分類的知識不夠完備。因此,如何有效地對垃圾進行分類,以提高垃圾的利用率以及降低垃圾的污染,顯得尤為重要。現有的垃圾分類方法僅能識別固定形狀的垃圾,無法全面識別生活中的多種垃圾,導致垃圾分類的效果較差。
發明內容
本發明提供一種垃圾分類方法及智能垃圾桶,以解決現有的垃圾分類方法僅能識別固定形狀的垃圾,無法全面識別生活中的多種垃圾,導致垃圾分類的效果較差的技術問題。
本發明的第一實施例提供了一種垃圾分類方法,包括:
獲取基礎數據集,并對所述基礎數據集進行預處理得到預處理數據集;
選取預訓練模型進行遷移學習,將所述預處理數據集和垃圾分類標簽輸入至所述預訓練模型中進行訓練,構建垃圾訓練模型;
采集待分類垃圾的圖像數據,并將所述圖像數據輸入至所述垃圾訓練模型中進行特征提取,得到所述待分類垃圾對應的垃圾特征;
將所述垃圾特征與所述垃圾訓練模型中的特征進行匹配,根據匹配結果得到所述待分類垃圾的分類標簽,將所述分類標簽作為所述待分類垃圾的分類結果。
進一步的,所述獲取基礎數據集,并對所述基礎數據集進行預處理得到預處理數據集,具體為:
獲取基礎數據集,采用數據增廣方法對所述基礎數據集進行預處理得到預處理數據集。
進一步的,采用數據增廣方法對所述基礎數據集進行預處理得到預處理數據集,包括:
對所述基礎數據集進行水平翻轉、垂直翻轉、高斯噪聲和高斯模糊操作擴充所述基礎數據集;以及通過引入外部數據擴充所述基礎數據集。
進一步的,所述選取預訓練模型進行遷移學習,將所述預處理數據集和垃圾分類標簽輸入至所述預訓練模型中進行訓練,構建垃圾訓練模型,具體為:
選取卷積神經網絡作為預訓練模型,將CBAM注意力機制模塊添加至所述預訓練模型的首層卷積層,在所述預訓練模型的全連接層添加Dropout層,并采用交叉熵損失函數作為損失函數,以及采用SGD作為優化函數;
將所述預處理數據集和垃圾分類標簽輸入至所述預訓練模型中進行微調訓練,構建垃圾訓練模型。
進一步的,所述垃圾分類方法還包括:在獲得所述待分類垃圾的分類結果后,通過語音播放所述分類結果,在預設時間內沒有檢測到用戶手動輸入的分類指令時,控制所述分類結果對應的垃圾收集裝置的閥門打開。
進一步的,所述分類標簽包括可回收垃圾、不可回收垃圾和其他垃圾。
該專利技術資料僅供研究查看技術是否侵權等信息,商用須獲得專利權人授權。該專利全部權利屬于廣州軟件學院,未經廣州軟件學院許可,擅自商用是侵權行為。如果您想購買此專利、獲得商業授權和技術合作,請聯系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/202110459712.X/2.html,轉載請聲明來源鉆瓜專利網。





