[發明專利]基于深度學習的建筑固廢組分快速識別與比例估算方法

在審

• 申請號: 202210891737.1
• 申請日: 2022-07-27
• 公開（公告）號: CN115294477A
• 公開（公告）日: 2022-11-04
• 發明（設計）人: 朱鑫;易軍艷;范璐璐;裴忠實;許勐;涂亮亮;馮德成
• 申請（專利權）人: 哈爾濱工業大學;深圳市市政工程總公司
• 主分類號: G06V20/17
• 分類號: G06V20/17;G06V20/00;G06T7/73;G06V10/764;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 哈爾濱龍科專利代理有限公司 23206
• 代理人: 李智慧

基于深度學習的建筑固廢組分快速識別與比例估算方法，屬于建筑固體廢棄物再生應用技術領域。本發明解決了現場堆積多源建筑固廢組分識別及估算的難題，具體步驟為：構造零散工況和密集工況下的室內立體固廢場；隨機調整室內固廢的位置及姿勢，并拍攝照片；拍攝拆遷現場堆積的建筑固廢照片；對采集到三種工況下的圖像做物體標注并做訓練集預處理；利用YOLOv5訓練得到識別模型，基于此識別模塊識別建筑固廢組分，編寫比例估算模塊，利用程序統計圖像中各類建筑固廢數量，得到各組分比例。本發明的識別方法能夠識別現場堆積的多源建筑固廢，識別精度和速度較好，并且能夠估算拆遷現場建筑固廢各組分比例，為后續建筑固廢處理提供決策依據。

技術領域

本發明屬于建筑固體廢棄物再生應用技術領域，具體涉及一種基于深度學習的現場堆積多源建筑固廢組分的快速識別與比例估算方法。

背景技術

建筑固廢指拆除或建造過程中產生的固體廢棄物，包括混凝土塊、碎磚塊、木材、金屬等，嚴重污染環境，因此建筑垃圾的資源回收利用非常重要。常見建筑垃圾的處理技術手段包括破碎、篩分和分選，但是在進行這些步驟之前還需要對拆遷現場大量的建筑固體廢棄物組成成分有一個預估，為決策者提供固廢信息，這決定了后續建筑垃圾處理的步驟和方法。

目前并沒有關于識別大量建筑固體廢棄物及預估其組成成分的方法，已有的建筑固廢識別方法多數基于傳統的卷積神經網絡方法如Fast-CNN、Mask R-CNN等，并且訓練集大部分是室內條件下少量的建筑固體廢棄物圖像，因此只能識別零散工況下的建筑固體廢棄物，可以應用于建筑固廢自動分揀，但是無法對拆遷現場大量的、堆積的建筑固廢進行快速識別并且無法估算其組成成分。

因此，有必要研究出一種基于深度學習的現場堆積多源建筑固廢組分的快速識別與比例估算方法，能夠對拆遷現場大量的建筑固廢進行識別及組成成分估算。

發明內容

本發明的目的是為了解決拆遷現場大量的建筑固廢組成成分快速識別與比例估算的難題，實現快速高效識別現場建筑垃圾并估算其組成的目標，提供一種基于深度學習的現場堆積多源建筑固廢組分的快速識別與比例估算方法。通過制作室內零散工況、密集工況、室外現場工況下的訓練集，進而利用適于大量目標檢測的深度學習算法，導入訓練集，建立識別模型；使用無人機拍攝拆遷現場建筑固廢圖像，利用識別模型識別圖像中的各類建筑固廢，統計各類建筑固廢數量，估算廢棄物比例。

為實現上述目的，本發明采用的技術方案如下：

基于深度學習的建筑固廢組分快速識別與比例估算方法，包括以下步驟：

步驟一：收集建筑固體廢棄物，構造零散工況下的室內立體固廢場和密集工況下的室內立體固廢場，隨機調整室內兩種工況下建筑固體廢棄物的位置和姿勢，并拍攝建筑固體廢棄物照片；

步驟二：利用無人機拍攝拆遷現場堆積的建筑固體廢棄物照片；

步驟三：對采集到的室內零散工況、室內密集工況及室外拆遷現場工況下的圖像做物體標注并對訓練樣本劃分訓練集和測試集，生成包含所有訓練集圖像名稱的txt文件和標注文件名稱的txt文件，并配置訓練模型所需的路徑文件；

步驟四：將訓練集導入卷積神經網絡YOLOv5中，通過訓練得到識別模型；

步驟五：基于識別模型，導入拆遷現場建筑固體廢棄物圖像，識別圖像中的建筑固廢組分；

步驟六：統計圖像中各類建筑固體廢棄物數量，計算得到各組分比例。

本發明相對于現有技術的有益效果為：本發明通過構建室內立體建筑固體廢棄物場，利用無人機拍攝拆遷現場堆積建筑固體廢棄物圖像，制作室內零散工況、室內密集工況、室外現場工況下的訓練集；基于深度學習方法中的目標檢測算法YOLOv5，訓練模型，進而利用其識別模塊快速識別現場堆積的建筑固體廢棄物；開發估算模塊，估算現場建筑固廢中各類廢棄物占比。