[发明专利]一种图像中垃圾的分类方法及装置

说明书

本发明提供了一种图像中垃圾的分类方法及装置，其中，方法包括：针对所收集的样本图片，提取出样本图片的特征值，其中，所述特征值包括：颜色、亮度、形状、纹理、大小中的一种或组合；将对应的目标物分类信息作为标签标记图像特征值和样本图像，得到训练集；利用训练集训练预先搭建的神经网络模型直至收敛，得到目标网络模型；利用目标网络模型识别待识别目标物的分类。

技术领域

本发明涉及图像识别技术领域，具体涉及一种图像中垃圾的分类方法及装置。

背景技术

近年来，随着经济社会发展和物质消费水平提高，我国生活垃圾产生量迅速增长。垃圾是城市发展的附属物，城市和人的运转，每年产生上亿吨的垃圾。一边是不断增长的城市垃圾，一边是无法忍受的垃圾恶臭，成为城市垃圾处理中的棘手问题。高速发展中的中国城市，正在遭遇“垃圾围城”之痛。因此，推行垃圾综合化集约利用是当务之急。

目前，《城市生活垃圾分类标志》(GB/T 19095-2019)国标将易腐烂的、含有机质的生活垃圾称为厨余垃圾(包括家庭厨余垃圾、餐厨垃圾和其他厨余垃圾)，与可回收物、有害垃圾、其他垃圾并列为四大类生活垃圾。但是，随着城市化的加剧，垃圾成分趋于复杂，可回收的垃圾种类也趋于复杂。一般而言，城市垃圾中可回收物主要有：废纸、玻璃、塑料、金属、织物等。可回收物中就存在无机可回收物如玻璃、金属，有机可回收物如塑料、废纸。无机可回收物中金属还存在黑色金属与有色金属两大类；织物还分为化纤、纯棉、羊毛等。如果分类过于简单，垃圾桶上仅有一个可回收的标识，很难引导人们去完全分清垃圾可回收的种类，进而导致垃圾分类效果不佳的技术问题。

发明内容

本发明所要解决的技术问题在于如何提供一种图像中垃圾的分类方法及装置以解决现有技术中存在的。

本发明通过以下技术手段实现解决上述技术问题的：

本发明提供了一种图像中垃圾的分类方法，所述方法包括：

针对所收集的样本图片，提取出样本图片的特征值，其中，所述特征值包括：颜色、亮度、形状、纹理、大小中的一种或组合；将对应的目标物分类信息作为标签标记图像特征值和样本图像，得到训练集；

利用训练集训练预先搭建的神经网络模型直至收敛，得到目标网络模型；

利用目标网络模型识别待识别目标物的分类。

可选的，预先搭建的神经网络模型包括：

4个卷积层好4个池化层依次交替串联组成特征提取层；

特征提取层将提取结果输出到全连接层，全连接层之后串联有输出层。

可选的，所述神经网络模型中的各个神经元的激活函数为：

其中，

y为神经元的输出；函数f(x)为激活函数；w为与上一个神经元之间连接的权重；x_i为上一层中第i个神经元的输出值；θ为神经元的激活阈值。

可选的，全连接层中的神经元使用的激活函数为：

其中，

S(y₁)为对应于分类(y₁)的分类概率；(y₁)为全连接层的输出；(y_j)为全连接层第j个神经元的输出。

本发明提供了一种图像中目标物的分类装置，所述装置包括：

提取模块，用于针对所收集的样本图片，提取出样本图片的特征值，其中，所述特征值包括：颜色、亮度、形状、纹理、大小中的一种或组合；将对应的目标物分类信息作为标签标记图像特征值和样本图像，得到训练集；

训练模块，用于利用训练集训练预先搭建的神经网络模型直至收敛，得到目标网络模型；