[发明专利]垃圾分类模型建模方法、垃圾分类方法

权利要求书

1.一种垃圾分类模型建模方法，其特征在于，包括以下步骤：

S1：确定第一分类器网络的权重参数，初始化感知机网络的权重参数；

S2：创建与所述第一分类器网络相同的第二分类器网络，将所述第一分类器网络的权重参数加载到所述第二分类器网络；

S3：将非均衡样本数据集中的非均衡样本前向传递，依次通过所述第二分类器网络和所述感知机网络得到第一损失值，根据所述第一损失值反向更新所述第二分类器网络的权重参数；

S4：将均衡样本数据集中的均衡样本前向传递，通过所述第二分类器网络得到第二损失值，根据所述第二损失值反向更新所述感知机网络的权重参数；

S5：将非均衡样本数据集中的非均衡样本前向传递，依次通过所述第一分类器网络和所述感知机网络得到第三损失值，根据所述第三损失值反向更新所述第一分类器网络的权重参数；

S6：重复步骤S2至S5，直至模型收敛，得到垃圾分类模型。

2.根据权利要求1所述的垃圾分类模型建模方法，其特征在于，所述第一分类器网络为在公开垃圾分类数据集上预训练后的分类器网络或未经预训练的网络，所述第一分类器网络为卷积神经网络、残差神经网络、注意力机制模型、多层感知机和循环神经网络中的一种。

3.根据权利要求2所述的垃圾分类模型建模方法，其特征在于，所述非均衡样本数据集的构建包括以下步骤：

采集多张实际场景图片；

标注每张实际场景图片中垃圾的位置坐标和类别；

根据所述位置坐标对每张实际场景图片进行裁剪，裁剪后的每张实际场景图片仅包含单个垃圾，根据所述单个垃圾的类别对裁剪后的每张实际场景图片划分类别；

对实际场景图片进行聚类；

聚类后，剔除与各聚类中心距离超过设定阈值的样本所代表的实际场景图片。

4.根据权利要求3所述的垃圾分类模型建模方法，其特征在于，基于所述非均衡样本数据集，对不同类别的实际场景图片采样相同或相近数目的样本，构建所述均衡样本数据集。

5.一种垃圾分类方法，其特征在于，基于权利要求1-4任一项所述的垃圾分类模型，包括以下步骤：

获取实际场景图片，对所述实际场景图片进行预处理；

将预处理后的实际场景图片输入第一分类器网络，得到第一分类结果；

将所述第一分类结果通过感知机网络得到第二分类结果；

对所述第一分类结果和所述第二分类结果进行融合，输出得到垃圾类别。

6.根据权利要求5所述的垃圾分类方法，其特征在于，通过所述感知机网络拟合加权函数对所述第一分类结果进行加权得到所述第二分类结果。

7.根据权利要求6所述的垃圾分类方法，其特征在于，所述预处理为通过目标检测算法将所述实际场景图片中的垃圾进行识别，然后根据垃圾的位置对所述实际场景图片进行裁剪。

8.根据权利要求7所述的垃圾分类方法，其特征在于，对所述第一分类结果和所述第二分类结果进行融合，融合的方式为点乘、相加和进行幂运算中的一种。