[發(fā)明專利]一種基于GinTrans網(wǎng)絡(luò)的垃圾分割方法及系統(tǒng)

在審

• 申請(qǐng)?zhí)枺?/td>: 202210901322.8
• 申請(qǐng)日: 2022-07-28
• 公開(kāi)（公告）號(hào): CN115147703A
• 公開(kāi)（公告）日: 2022-10-04
• 發(fā)明（設(shè)計(jì)）人: 唐軍
• 申請(qǐng)（專利權(quán)）人: 廣東小白龍環(huán)保科技有限公司
• 主分類號(hào): G06V20/00
• 分類號(hào): G06V20/00;G06V10/12;G06V10/26;G06V10/40;G06V10/80;G06V10/82;G06N3/04;G06N3/08
• 代理公司: 東莞卓為知識(shí)產(chǎn)權(quán)代理事務(wù)所(普通合伙) 44429
• 代理人: 齊海迪

本發(fā)明公開(kāi)了一種基于GinTrans網(wǎng)絡(luò)的垃圾分割方法，其包括一下步驟：(1)圖像分割系統(tǒng)設(shè)置；(2)圖像采集輸入；(3)特征圖提取；(4)切割標(biāo)識(shí)重組；(5)重塑融合；(6)跳躍聚合；(7)分割輸出。本發(fā)明還公開(kāi)一種圖像分割系統(tǒng)。本發(fā)明通過(guò)線性變換生成挖掘特征所需的特征圖，減少網(wǎng)絡(luò)參數(shù)，降低復(fù)雜度，保證分割處理效率的同時(shí)，提高響應(yīng)速度；通過(guò)利用Bi?Frequency Transformer(BiFTrans block)模塊實(shí)現(xiàn)對(duì)高頻和低頻的分頻處理特征，實(shí)現(xiàn)對(duì)高頻細(xì)節(jié)的捕捉及兼顧低頻全局信息，保證圖像處理的速度及穩(wěn)定性，且提高對(duì)垃圾目標(biāo)分割的精度及準(zhǔn)確性，提高分類效率。

技術(shù)領(lǐng)域

本發(fā)明涉及視覺(jué)處理的技術(shù)領(lǐng)域，具體涉及一種基于GinTrans網(wǎng)絡(luò)的垃圾分割方法及系統(tǒng)。

背景技術(shù)

隨著經(jīng)濟(jì)發(fā)展飛速，人民生活水平提高，產(chǎn)生的垃圾種類越來(lái)越復(fù)雜，統(tǒng)一的填埋方法已經(jīng)不能滿足保護(hù)自然、綠色發(fā)展的理念。對(duì)垃圾的分類處理可以實(shí)現(xiàn)資源的循環(huán)利用、減少土壤危害、防止空氣污染。要實(shí)現(xiàn)綠色環(huán)保型社會(huì)、實(shí)現(xiàn)資源的循環(huán)利用，垃圾分類是一個(gè)重要的步驟。從每個(gè)小家庭、每個(gè)各人開(kāi)始進(jìn)行垃圾分類，可以節(jié)省后續(xù)工作大量的人力物力。實(shí)現(xiàn)可回收垃圾的循環(huán)利用，非可回收物的正確投放、垃圾處理。目前我國(guó)開(kāi)展目前垃圾分類先行先試的46個(gè)重點(diǎn)城市中，生活垃圾分類小區(qū)覆蓋率已達(dá)86.6％，生活垃圾平均回收利用率為30.4％，廚余垃圾處理能力從2019年的每天3.47萬(wàn)噸提升到2020年年底的每天6.28萬(wàn)噸。

然而，盡管近年來(lái)我國(guó)生活垃圾分類和處理方面成績(jī)可圈可點(diǎn)，但在部分城市和社區(qū)，垃圾分類仍是一個(gè)棘手的難題，在多數(shù)垃圾分類中心，仍然需要手動(dòng)分揀，效率低下，因尖銳垃圾劃傷還會(huì)對(duì)人體產(chǎn)生傷害。通過(guò)人工智能技術(shù)，利用計(jì)算機(jī)視覺(jué)和圖像處理分割垃圾，不僅能夠大大提升垃圾分揀效率，還可以精準(zhǔn)分類，將混在其他垃圾中的可回收垃圾篩選出來(lái)，實(shí)現(xiàn)資源的高效和循環(huán)利用，但現(xiàn)有的垃圾采用的基于視覺(jué)的垃圾分類系統(tǒng)還存在的以下問(wèn)題：1、現(xiàn)有基于傳統(tǒng)圖像處理的垃圾分割方法，分割精度低；2、現(xiàn)有基于傳統(tǒng)深度學(xué)習(xí)網(wǎng)絡(luò)的分割方法，模型參數(shù)多，計(jì)算復(fù)雜度高，影響后續(xù)的圖像處理速度及效率；3、垃圾目標(biāo)種類繁多，變形、污損嚴(yán)重，目標(biāo)之間的邊界極為不清洗，現(xiàn)有方法無(wú)法很好地捕捉細(xì)節(jié)和輪廓信息，導(dǎo)致分割難度大，誤分割率高，影響后續(xù)的分類精度。

發(fā)明內(nèi)容

本項(xiàng)發(fā)明是針對(duì)現(xiàn)在的技術(shù)不足，提供一種基于GinTrans網(wǎng)絡(luò)的垃圾分割方法。

本發(fā)明還公開(kāi)一種圖像分割系統(tǒng)。

本發(fā)明為實(shí)現(xiàn)上述目的所采用的技術(shù)方案是：

一種基于GinTrans網(wǎng)絡(luò)的垃圾分割方法，其包括以下步驟：

(1)圖像分割系統(tǒng)設(shè)置：所述圖像分割系統(tǒng)包括圖像采集模塊、提取模塊、切割標(biāo)識(shí)重組模塊、重塑融合輸出模塊、跳躍連接聚合模塊及分割輸出模塊，所述提取模塊設(shè)有GhostNet網(wǎng)絡(luò)，所述重塑融合輸出模塊設(shè)有Bi-Frequency Transformer(BiFTrans block)模塊，所述跳躍連接聚合模塊設(shè)有上采樣恢復(fù)模塊及GhostNet下采樣特征提取模塊，所述分割輸出模塊設(shè)有分割頭模塊；

(2)圖像采集輸入：所述圖像采集模塊連接有圖像采集攝像頭，所述圖像采集攝像頭對(duì)智能化垃圾回收分揀線上的垃圾進(jìn)行圖像采集并傳輸?shù)綀D像采集模塊上，圖像采集模塊采集到的圖像作為圖像輸入數(shù)據(jù)并輸送至提出模塊進(jìn)行處理；

(3)特征圖提取：提取模塊對(duì)圖像輸入數(shù)據(jù)進(jìn)行處理，所述提取模塊采用GhostNet網(wǎng)絡(luò)對(duì)圖像輸入數(shù)據(jù)進(jìn)行底層特征提取，提取得到輸出特征圖，并進(jìn)行下個(gè)步驟處理；

(4)切割標(biāo)識(shí)重組：所述切割標(biāo)識(shí)重組模塊對(duì)提取到的輸出特征圖進(jìn)行切割操作，通過(guò)切割操作將輸出特征圖網(wǎng)格化，網(wǎng)格化完成后通過(guò)線性映射生成標(biāo)記特征，并將標(biāo)記特征組成標(biāo)記特征序列，將標(biāo)記特征序列作為Bi-Frequency Transformer(BiFTransblock)模塊的輸入；