[发明专利]一种基于深度学习的多角度垃圾分类云平台

权利要求书

1.一种基于深度学习的多角度垃圾分类云平台，其特征在于：包括如下步骤：

步骤S10：通过前端图像采集模块获取垃圾图片,并通过微控制单元模块判断其是否能达到分类需求；

步骤S20：微控制单元模块控制无线高速传输模块把垃圾图像传送到垃圾分类云平台；

步骤S30：垃圾分类云平台对垃圾图像进行识别，给出分类结果，并把每次识别结果存储于云平台服务器模块；

步骤S40：云平台给出的分类结果通过无线高速传输模块，传送到前端图像采集与传输模块，控制模块根据收到的分类命令将垃圾收集到不同垃圾桶，在完成垃圾分类任务后，前端再传送确认指令至云平台以结束此次分类流程；

所述的步骤S10的具体操作为：

(1)将待分类垃圾放入指定区域内，以保证所拍摄图片均包括垃圾整体部分；

(2)利用自动对焦程序，通过微处理器控制N个摄像头获取待分类垃圾不同视角的图片各一张；

(3)然后使用拉普拉斯算法判别图片模清晰程度，如果至少一张图片清晰度符合识别要求，微处理器控制无线传输模块将图片传送到中心服务器端云平台处理；如果本次采集的所有图片清晰度均无法符合识别要求，需要重新对垃圾进行图像采集；

所述的步骤S20的具体操作为：微控制单元模块将待分类垃圾图片，通过WiFi模块或4G网络传输模块传送到垃圾分类云平台，即远端中心服务器；

所述的步骤S30的具体操作为：利用深度学习模型在中心服务器端架设垃圾分类云平台，对接收到的垃圾图像进行处理，最终给出分类结果，并把每次识别结果存储于云平台服务器模块；

所述的云平台服务器模块包括如下模块：垃圾分类模块：由Python语言编写，可实现同时垃圾进行分类工作；数据库模块：选用MySQL作为数据库管理系统，实现对垃圾图片与垃圾分类模块识别结果的存储工作；所述的垃圾分类云平台先将获得的垃圾图片通过垃圾分类模块进行处理，随后把每次识别结果存储于云平台数据库模块；

所述的垃圾分类模块中进行分类工作的具体步骤如下：

步骤S50：制作垃圾分类模块所需数据集；

步骤S60：在制作完成数据集的基础上，选择合适的模型框架对该数据集进行训练以得到预训练模型；

步骤S70：使用预训练模型对新获取垃圾进行分类，给出分类结果；

所述的步骤S50具体为：所述的垃圾分类模块涉及多种不同种类垃圾：包括塑料，纸质，布料，金属；通过使用Python语言编写的程序在互联网获取垃圾图片和对垃圾实物进行拍摄手段，搜集每种垃圾N种不同视角的图片各500张，即每种垃圾各500*N张图片；之后对每张图片进行预处理工作，更换每张图片背景为白色，更改图片分辨率为256*256；然后对每张图片进行贴标签工作，把每张图片对应垃圾种类保存为文本；接着从每种垃圾图片中随机选取一些图片作为测试图片，其余的图片作为训练图片，从而制作成该垃圾分类模块所需数据集；

所述的步骤S60具体为：选择Caffe作为深度学习框架，选用GoogleNet作为垃圾分类与检测的训练模型，参数设定如下：设定测试迭代次数test_iter为100，测试间隔次数test_interval为1000,基础学习率base_lr为0.001，冲量mometum为0.9，最大迭代次数max_iter为6000；在该参数设定的前提下完成训练，得到相应种类垃圾的N种不同视角的预训练模型各一个，可用于垃圾分类模块；

所述的步骤S70具体为：在步骤S60得到训练完毕的预训练模型后，使用Python语言编写垃圾分类程序，部署于云平台中心服务器；使用垃圾分类程序，识别接收到的该垃圾M张图片对其进行分类，得到M*N个输出结果及其判断结果的概率，选取其中概率值最大的结果作为最终的分类结果；

所述的数据库模块选用MySQL作为数据库管理系统，架设于云平台中心服务器；根据所述的垃圾分类程序，使用该数据库模块存储每一张图片的输入及输出结果，包括拍摄该垃圾图片的前端摄像头ID编号，该摄像头拍摄的垃圾图片，该图片通过不同角度识别程序输出的分类结果及其对应概率，可实现对每次处理结果的存储，并为后续优化垃圾分类模块所需数据集和预训练模型打下基础。