[發明專利]一種SVM與目標檢測算法融合的垃圾分類方法

在審

• 申請號: 202111323651.0
• 申請日: 2021-11-10
• 公開（公告）號: CN114049556A
• 公開（公告）日: 2022-02-15
• 發明（設計）人: 嚴圣軍;劉德峰;韓佳琦;唐融融;倪瑋瑋
• 申請（專利權）人: 中國天楹股份有限公司;上海智楹機器人科技有限公司;江蘇天楹環保能源成套設備有限公司
• 主分類號: G06V20/10
• 分類號: G06V20/10;G06V10/56;G06V10/764;G06V10/82;G06V10/77;G06K9/62;G06N3/04;G06N3/08
• 代理公司: 南京鐘山專利代理有限公司 32252
• 代理人: 陳亮亮

1.一種SVM與目標檢測算法融合的垃圾分類方法，其特征在于包含以下步驟：

步驟一：通過高光譜相機采集帶分類垃圾的光譜數據；

步驟二：通過PLS降維模型對采集的光譜數據進行降維；

步驟三：采用SVM分類模型對光譜數據進行分類，并對分類后的光譜數據按材質不同進行不同顏色的上色從而生成RGB圖像；

步驟四：采用YOLOv4目標檢測模型對生成的RGB圖像進行訓練和檢測。

2.根據權利要求1所述的一種SVM與目標檢測算法融合的垃圾分類方法，其特征在于：所述步驟一具體為高光譜相機通過線掃的方式掃描待分類垃圾的材質光譜信息，掃描的光譜波段范圍為400-1000nm或900-1700nm。

3.根據權利要求1所述的一種SVM與目標檢測算法融合的垃圾分類方法，其特征在于：所述步驟二具體為：

2.1高光譜相機采集到的待分類垃圾的光譜數據為待分類垃圾的二維信息矩陣；

2.2采用偏最小二乘回歸方法，利用PLS降維模型對待分類垃圾的光譜數據進行降維，PLS降維模型的公式為：

A＝TO^T+E (1)

B＝UQ^T+F (2)

其中，A表示n*m預測矩陣；B表示n*p響應矩陣；T和U表示n*l矩陣，分別為A和B的投影；P和Q表示m*l和p*l的正交載荷矩陣；矩陣E和F為錯誤項；公式(1)和(2)一同進行運算，完成PLS模型降維；

2.3待分類垃圾的光譜數據經過PLS降維模型的降維后，從200多個混雜的光譜像素信息進行特征提取，選取包含信息量大的波段或像素信息來降低數據冗余程度，提取兩個特征光譜值，分別記作坐標X、Y的值，將所有光譜數據經過PLS降維模型降維后得到待分類垃圾的散點圖。

4.根據權利要求3所述的一種SVM與目標檢測算法融合的垃圾分類方法，其特征在于：所述步驟三中采用SVM分類模型對光譜數據進行分類具體為：

3.1對獲取的散點圖后，使用支持向量機SVM模型中多分類器將不同像素分開，即假設一種為正面樣本，其余為反面樣本，需使任意樣本的點到平面距離≥1，判定決策邊界及點到平面距離公式如下：

決策邊界：ω^TX+b＝0

點到平面距離：y_i(w^TX_i+b)≥1

其中，參數w，b分別為超平面的法向量和截距；X，y分別為樣本以及標簽類；

3.2利用標準化后的訓練集樣本訓練SVM多分類器，利用交叉驗證思想找出優化后的參數C、γ，優化分類器；其中，參數γ是多項式、高斯徑向基、兩層感知機核函數的γ參數，參數C是SVM懲罰參數，為非負數；

3.3通過重復3.1-3.2步驟，將多種樣本全部分開，得到分類模型。

5.根據權利要求4所述的一種SVM與目標檢測算法融合的垃圾分類方法，其特征在于：如果待分類垃圾的坐標點信息在三條線的中間區域，則通過分類時的權重實現分類，到此分類模型搭建完成。

6.根據權利要求4所述的一種SVM與目標檢測算法融合的垃圾分類方法，其特征在于：當分析新的光譜時，光譜數據經過PLS降維模型后得到X、Y坐標值，坐標值通過PLS降維模型就可以將光譜分類，從而對采集的每個像素點進行分類。

7.根據權利要求4所述的一種SVM與目標檢測算法融合的垃圾分類方法，其特征在于：所述步驟三中并對分類后的光譜數據按材質不同進行不同顏色的上色從而生成RGB圖像具體為：

3.4對分類后的每個像素點，按照像素點的像素值對應不同材質進行分段，然后按照分段信息對應的不同材質賦予每個像素點指定種類顏色；

3.5將每線掃416行的像素顏色信息拼接成416*416尺寸的RGB偽彩色圖片。