[发明专利]一种基于图像识别的可回收垃圾分类方法

说明书

本发明公开了一种基于图像识别技术的可回收垃圾智能分类方法，属于计算机视觉领域；本方法面向可回收垃圾图像数据，基于卷积神经网络进行建模，利用卷积神经网络提取有效特征，并采用支持向量机分类器实现可回收垃圾的智能分类。主要包括：建立并预处理可回收垃圾图像库，采用数据增强的方式扩大数据规模；构建基于卷积神经网络的智能分类模型；利用可回收垃圾图像库训练分类模型；将目标图像输入至训练好的分类模型中进行判断，最终输出目标图像的所属类别，实现可回收垃圾的自动分类。

技术领域

本发明属于计算机视觉领域，具体涉及一种基于图像识别技术的可回收 垃圾智能分类方法。

背景技术

随着人们生活水平的不断提高，产生的垃圾也越来越多，通过对垃圾进 行分类管理，能最大限度的实现垃圾资源回收利用，同时减少垃圾处理的数量， 可以通过垃圾分类再进行后端处理转化为新能源。日常生活中，我们会产生很多 可回收垃圾，例如，废塑料，废金属，废纸，废玻璃等，这些都是再生资源，它 们是适宜回收循环利用的资源。通过垃圾分类回收，可以提高垃圾的资源价值和 经济价值，力争物尽其用。

传统的垃圾分类依靠人工手动分类，这需要耗费大量的人力物力，分类 效率低。图像识别是实现垃圾分类的有效技术，基于神经网络模型的图像识别与 分类技术具有准确度高，泛化性能好等优点。

近年来在图像识别领域，卷积神经网络应用较广，并在数据充足时有稳 定的表现。对于字符检测和字符识别任务，卷积神经网络被用于判断输入的图像 是否包含字符，并从中剪取有效的字符片断。其中使用多个归一化指数函数直接 分类的卷积神经网络被用于谷歌街景图像的门牌号识别、包含条件随机场图模型 的卷积神经网络可以识别图像中的单词。

本项目将基于图像识别的深度学习技术应用于垃圾智能分类领域，针对 可回收垃圾的分类问题，提出解决方案，实现可回收垃圾的准确分类，改变目前 人工监督分类成本高的难题，提高垃圾分类管理效能、减少分类管理成本。

发明内容

本发明的目的是提供一种基于图像识别技术的可回收垃圾分类方法，实 现在垃圾分类回收、分拣过程中的智能化操作，解决了现有人工分类费时费力的 问题。

为达到上述发明目的，本发明提出了一种基于图像识别技术的可回收垃 圾分类方法，包括如图1所示的不同模块。

首先，建立K类可回收垃圾图像库，且每类所述可回收垃圾图像采集N 张图像数据，主要包括如下方面：

(1)通过多种渠道采集可回收垃圾图像。

(2)将收集到的垃圾图像进行筛选，筛选出如下4类：玻璃、金属、塑料、 纸类。

(3)将分好类的图像按筛选的类别进行标注，通过标注使每张图片具有相应 的类别标签。

其次，将分类的可回收垃圾图像按比例划分训练集与测试集，并分别进 行预处理，主要工作如下：

(1)将标注好的图像按照一定比例划分为训练集与测试集。

(2)将图像进行预处理，重新设置大小，统一输入图像大小。

(3)数据增强方法一：对输入的图像进行随机裁剪，通过裁剪不仅增加了图 像数据，同时也弱化了数据噪声，能够增强模型的稳定性。

(4)数据增强方法二：将随机裁剪后的图像分别进行垂直翻转和水平翻转， 以及随机旋转一定角度，该方法能够提升模型的泛化能力，使模型对各种形状的 垃圾图像均能有效的提取图像特征。

(5)对旋转变换后的图像进行归一化，使模型训练时，梯度对每张图片的作 用都是平均的。

第三，构建基于卷积神经网络的分类模型，主要工作如下：