[发明专利]一种基于元深度学习的建筑垃圾精细分类方法、装置

说明书

本发明涉及一种基于元深度学习的建筑垃圾精细分类方法、装置，方法包括：构建包括分别用于对建筑垃圾2D图像、建筑垃圾3D图像和建筑垃圾光谱图像中建筑垃圾分类的第一分类网络、第二分类网络和第三分类网络；采集图像构建训练集，基于元深度学习算法训练所述的第一分类网络、第二分类网络和第三分类网络；采集建筑垃圾2D图像和建筑垃圾3D图像，并利用第一分类网络和第二分类网络进行第一阶段预测，当第一阶段预测结果置信度大于设定阈值则输出建筑垃圾类别，否则采集建筑垃圾光谱图像并输入至第三分类网络进行第二阶段预测并输出建筑垃圾类别。与现有技术相比，本发明具有分类结果准确的优点。

技术领域

本发明涉及建筑垃圾分类技术领域，尤其是涉及一种基于元深度学习的建筑垃圾精细分类方法、装置。

背景技术

随着垃圾分类的意识不断提高，人工智能高速发展，采用人工智能技术进行垃圾分类成为一种准确且便捷的方式。

由于建筑工地实地场景复杂，且不同建筑垃圾存在难以区分的问题。例如砖块和水泥存在着类似的颜色和纹理，深度学习网络很难针对其作出良好的分类。此外，智能机械手需通过获得到的垃圾分类信息进行不同类别的建筑垃圾拾取。因此，对建筑垃圾的分类准确率和实时性要求高。

2019年的论文《A combination model based on transfer learning for wasteclassification》提出一种基于迁移学习网络的方法来解决垃圾分类问题。网络中采用预训练好的VGG19、DenseNet169和NASNetLarge模型作为基分类器，最终选择训练准确率最高者作为分类器。然而，此方法是通过对公开数据集中的图像进行预训练，测试集中的图像类别也与数据集的类别相似，其假定的前提是实际场景中的垃圾类别与公开数据集中的类别一致或相似。但对于建筑工地实地而言，水泥、石头、编织袋等图像并不能在公开数据集中找到，即不能进行有效的预训练。

中国专利CN109629795A：一种智能化建筑垃圾分类装置，设计了多层粒径分离通道。考虑到不同固废物料大小不一，通过电动挡板和转角电机即可将固废物料分成不同堆，从而实现其分类。然而此专利公开的分类装置根据建筑垃圾的尺寸进行分类，仅考虑了物体的尺寸信息，并不能有效地区分同等大小情况下的不同物体。建筑垃圾分类方法需将不同材料的固废垃圾进行分类，这就要求必须捕捉到不同建筑垃圾的特性，而不仅仅是物体大小信息。

发明内容

本发明的目的就是为了克服上述现有技术存在的缺陷而提供一种基于元深度学习的建筑垃圾精细分类方法、装置。

本发明的目的可以通过以下技术方案来实现：

一种基于元深度学习的建筑垃圾精细分类方法，包括：

构建建筑垃圾分类模型，包括用于对建筑垃圾2D图像中建筑垃圾分类的第一分类网络、用于对建筑垃圾3D图像中建筑垃圾分类的第二分类网络以及用于对建筑垃圾光谱图像中建筑垃圾分类的第三分类网络；

采集建筑垃圾2D图像、建筑垃圾3D图像和建筑垃圾光谱图像构建训练集，基于元深度学习算法训练所述的第一分类网络、第二分类网络和第三分类网络；

采集建筑垃圾2D图像和建筑垃圾3D图像，并利用第一分类网络和第二分类网络进行第一阶段预测，当第一阶段预测结果置信度大于设定阈值则输出建筑垃圾类别，否则采集建筑垃圾光谱图像并输入至第三分类网络进行第二阶段预测并输出建筑垃圾类别。

优选地，所述的第一分类网络、第二分类网络和第三分类网络包括RetinaNet 网络。

优选地，所述的元深度学习算法包括MAML算法。

优选地，训练阶段和预测阶段均包括对建筑垃圾2D图像、建筑垃圾3D图像的预处理，然后输入至对应网络进行训练或预测。

优选地，对建筑垃圾2D图像的预处理包括采用双边滤波器对2D图像进行滤波处理。