[发明专利]一种基于卷积神经网络的废旧手机型号识别方法

说明书

针对废旧手机回收过程中型号难以精确识别的问题，本发明提出了一种基于卷积神经网络的废旧手机型号识别方法。本发明利用边缘检测算法解析手机验机照片中的区域特征，构造了一种共享权值的特征提取卷积网络，评估废旧手机图像区域特征与标准样本之间的相似性，实现了手机型号的快速识别，本发明在不同场景下的手机型号识别均保持较好的快速性和准确性，能够提高废旧手机回收的效率和回收企业经济效益。

技术领域

本发明利用基于低秩卷积神经网络的废旧手机型号识别方法实现废旧手机回收过程中手机型号的精准识别。在废旧手机回收过程中，将手机按型号分类处理可以获得更大的经济效益，手机型号的识别成为了影响废旧手机回收效率的重要因素，手机各品牌型号繁多，相似度高，所以需要有一定的经验积累，才能熟练的对手机型号进行区分。将基于卷积神经网络的废旧手机型号识别方法应用于废旧手机回收过程中，能够避免由人员经验不足而产生的分类错误和分类效率低等问题，提高废旧手机回收的准确性和快速性，是图像识别领域的重要分支，又属于固体废物的处理领域。

背景技术

废旧手机型号的快速准确识别能够提高手机回收效率，节省人力，同时还能提升废旧手机回收企业经济效益，是提高城市固体废物资源再利用的重要举措；不但具有较好的经济效益，而且具有显著的环境和社会效益。因此，本发明的研究成果具有广阔的应用前景。

废旧手机型号识别是一个图像识别与分类的过程，由于验机人员回收手机时拍摄的验机照片角度、设备、光源等拍摄条件各异，分辨率也不一，严重影响了废旧手机型号识别的准确性。

由于部分手机型号相似度过高，且在实际手机回收场景中手机型号的类别随着新机型上市而动态更新，且由于新机型训练样本较少使得模型难以及时学习和提取有效的特征信息，更是增大了建立模型的难度，根据手机的相似性度量手机各型号间的差别，可以降低模型学习需要的计算量，提高计算速度，满足废旧手机回收的需要。从而提高回收效率，加速废旧手机的流通过程，同时也能够减少人工费用，提高回收企业的效益。

本发明设计了一种基于低秩双线性卷积神经网络的手机型号识别方法，主要通过低秩双线性卷积算法提取了验机照片中可识别的手机区域，利用卷积神经网实现对废旧手机型号的快速准确识别。

发明内容

本发明获得了一种低秩双线性卷积神经网络的手机型号识别方法，该识别方法通过低秩卷积算法提取了验机照片中可识别的手机区域，利用卷积神经网实现对废旧手机型号的快速准确识别；解决了废旧手机回收过程中型号识别的问题，提高了手机的回收效率。

本发明采用了如下的技术方案及实现步骤：

1.一种基于低秩双线性卷积神经网络的手机型号识别方法，通过设计低秩双线性卷积网络结构实现手机型号的准确识别，其特征在于，包括以下步骤：

(1)选择与手机型号识别模型的输入变量为：第一张待识别手机图像像素矩阵I₁；第二张待识别手机图像像素矩阵I₂；第一张待识别手机图像I₁中红色通道像素矩阵I_R1、第一张待识别手机图像I₁中绿色通道像素矩阵I_G1、第一张待识别手机图像I₁中蓝色通道像素矩阵I_B1，第二张待识别手机图像I₂中红色通道像素矩阵I_R2、第二张待识别手机图像I₂中绿色通道像素矩阵I_G2、第二张待识别手机图像I₂中蓝色通道像素矩阵I_B2，第一张待识别手机图像I₁的型号标签z₁；第二张待识别手机图像I₂的型号标签z₂；

(2)建立双线性卷积网络手机型特征提取模型