[發(fā)明專利]一種基于改進(jìn)型yolov5網(wǎng)絡(luò)的垃圾檢測與識別方法

在審

• 申請?zhí)枺?/td>: 202110481897.4
• 申請日: 2021-04-30
• 公開（公告）號: CN113158956A
• 公開（公告）日: 2021-07-23
• 發(fā)明（設(shè)計）人: 程自帥;林志赟;范鈺捷;王博;韓志敏;鐘深友
• 申請（專利權(quán)）人: 杭州電子科技大學(xué)
• 主分類號: G06K9/00
• 分類號: G06K9/00;G06K9/32;G06K9/62;G06N3/04;G06N3/08;G06F16/951
• 代理公司: 杭州君度專利代理事務(wù)所(特殊普通合伙) 33240
• 代理人: 楊舟濤

本發(fā)明公開了一種基于改進(jìn)型yolov5網(wǎng)絡(luò)的垃圾檢測與識別方法，首先，建立并標(biāo)注了一個含有36類別的垃圾數(shù)據(jù)集，并使用數(shù)據(jù)分析方法分析后利用數(shù)據(jù)增強(qiáng)手段對整個數(shù)據(jù)集進(jìn)行擴(kuò)充并針對數(shù)量不足的類別進(jìn)行補(bǔ)充。然后，基于yolov5建立目標(biāo)檢測網(wǎng)絡(luò)，引入注意力機(jī)制改進(jìn)骨干網(wǎng)絡(luò)部分，新增小尺寸分支改進(jìn)PaNet檢測頭部分。網(wǎng)絡(luò)的bottleneckCPS模塊中引入了ghost結(jié)構(gòu)，并在高維度網(wǎng)絡(luò)使用深度可分離卷積，降低了網(wǎng)絡(luò)的參數(shù)量，最終得到了改進(jìn)型yolov5網(wǎng)絡(luò)。最后，將垃圾圖片經(jīng)預(yù)處理后送入改進(jìn)型yolov5網(wǎng)絡(luò)，輸出檢測與識別結(jié)果。本發(fā)明方法可以實現(xiàn)同一幀圖像內(nèi)多類垃圾的同時檢測與識別，識別種類高達(dá)36類，并且相較于原yolov5網(wǎng)絡(luò)提升了檢測精度降低了網(wǎng)絡(luò)參數(shù)量，具有一定的應(yīng)用價值。

技術(shù)領(lǐng)域

本發(fā)明屬于深度學(xué)習(xí)目標(biāo)檢測技術(shù)領(lǐng)域，具體是涉及一種基于改進(jìn)型yolov5網(wǎng)絡(luò)的垃圾檢測與識別方法。

背景技術(shù)

隨著居民生活水平的提高及城鎮(zhèn)化進(jìn)度的加快，中國城市居民的垃圾產(chǎn)量不斷提升，人均垃圾產(chǎn)量在2019年達(dá)到了0.36噸，這個數(shù)據(jù)還會進(jìn)一步增長，這就給環(huán)境保護(hù)、垃圾回收帶來了巨大的挑戰(zhàn)。當(dāng)前，國家、社會號召居民進(jìn)行垃圾分類，使我們的垃圾變廢為寶，讓錯誤位置的資源重新利用。我們現(xiàn)如今的社會，對于垃圾投放過程，依然主要采取志愿者監(jiān)督，或者僅僅是機(jī)械的擺放不同類別的垃圾桶進(jìn)行回收；對于垃圾回收后的分撿，大多采取了流水線人工作業(yè)的方式，造成了大量人力物力的浪費。與此同時，主流的垃圾分類算法僅僅是只能對輸入圖像給出單一的垃圾類別輸出，當(dāng)有多種垃圾共存時不能進(jìn)行多類別檢測與識別，無論是垃圾投放終端的智能監(jiān)督還是回收時機(jī)械裝置的智能分撿都帶來了很多的不便。所以，對于當(dāng)前算法存在的限制，以及垃圾投放終端的智能AI監(jiān)控系統(tǒng)和回收時智能分撿設(shè)備的更高精度、更多類別的、更快處理速度的需求，就迫使我們設(shè)計出更加完善，能夠同時識別多種類別垃圾的檢測與識別方法。所以我們建立了包含多種類別的垃圾檢測數(shù)據(jù)集，改進(jìn)了yolov5網(wǎng)絡(luò)，提出了一種多類垃圾同時檢測識別算法，能夠更好的解決垃圾檢測與識別問題，具有極為廣泛的應(yīng)用場景和市場價值。

發(fā)明內(nèi)容

鑒于以上情況，本發(fā)明提供一種基于改進(jìn)型yolov5網(wǎng)絡(luò)的垃圾檢測與識別方法，可以同時檢測并識別一張圖片或視頻流中的多個種類的垃圾并給出位置信息，且一定程度上提高了精度降低了網(wǎng)絡(luò)結(jié)構(gòu)的計算復(fù)雜度，方便于終端設(shè)備部署，可用于垃圾的智能處理過程。

為達(dá)到上述目的，本發(fā)明的技術(shù)方案如下：一種基于改進(jìn)型yolov5網(wǎng)絡(luò)的垃圾檢測與識別方法，包括如下步驟：

S1：收集并標(biāo)注包含多種類別的垃圾圖像，經(jīng)數(shù)據(jù)統(tǒng)計分析并擴(kuò)充數(shù)據(jù)集之后進(jìn)行數(shù)據(jù)增強(qiáng)，建立一個包含多種類別的垃圾檢測數(shù)據(jù)集。

S2：選定yolov5網(wǎng)絡(luò)作為基準(zhǔn)網(wǎng)絡(luò)，改進(jìn)檢測頭結(jié)構(gòu)，增加了小尺寸目標(biāo)檢測頭分支，并在骨干網(wǎng)絡(luò)引入了注意力機(jī)制，使得網(wǎng)絡(luò)更關(guān)注于具有垃圾的區(qū)域，減少漏檢率，同時將網(wǎng)絡(luò)中的標(biāo)準(zhǔn)bottleneck結(jié)構(gòu)替換為基于ghost的bottleneck結(jié)構(gòu)，在通道維度大于512維的網(wǎng)絡(luò)層中使用深度可分離卷積，降低了網(wǎng)絡(luò)的參數(shù)量，構(gòu)建出改進(jìn)型yolov5網(wǎng)絡(luò)作為多種類垃圾檢測網(wǎng)絡(luò)，將步驟S1的數(shù)據(jù)集預(yù)處理到標(biāo)準(zhǔn)尺寸后訓(xùn)練多種類垃圾檢測網(wǎng)絡(luò)，得到多種類垃圾檢測推理模型。

S3：將預(yù)處理到標(biāo)準(zhǔn)尺寸的需要檢測與識別的垃圾圖片輸入至訓(xùn)練好的多種類垃圾檢測推理模型，檢測得到圖像內(nèi)所有垃圾的種類與位置。

進(jìn)一步地，所述步驟S1中：

步驟S11：確定所需要的全部垃圾類別，通過編寫爬蟲腳本收集網(wǎng)上相應(yīng)類別的公開垃圾圖片數(shù)據(jù)集；利用labImg工具對收集的數(shù)據(jù)集進(jìn)行標(biāo)注，標(biāo)注信息存儲為xml格式，標(biāo)注信息主要包括圖片內(nèi)垃圾的位置坐標(biāo)信息、垃圾尺寸長寬信息、垃圾種類信息；