[发明专利]一种垃圾分类方法及系统

权利要求书

1.一种垃圾分类方法，其特征在于，包括：

构建垃圾分类数据集，所述垃圾分类数据集中包括多类垃圾图像，为每张垃圾图像对应一个垃圾细化分类；

构建粒度分级表征网络，所述粒度分级表征网络用于对输入待分类垃圾图像连续多次进行下采样操作获得目标特征图，对所述目标特征图进行N个不同尺度池化核的池化操作，并对各池化操作后的特征图进行反卷积，获得N个粒度特征图，N个粒度特征图的尺寸相同，将N个粒度特征图分别输入sigmoid激活函数后和所述目标特征图进行通道维度的拼接获得多粒度表征特征图，将所述多粒度表征特征图进行卷积操作后经过两个连续的全连接层，得到所述待分类垃圾图像在每个垃圾细化分类上的预测概率，将预测概率最大值对应的垃圾细化分类作为所述待分类垃圾图像的垃圾细化分类；

采用所述垃圾分类数据集训练所述粒度分级表征网络，获得垃圾分类模型；

采用所述垃圾分类模型对垃圾图像进行分类。

2.根据权利要求1所述的垃圾分类方法，其特征在于，所述垃圾细化分类包括玻璃、电池、塑料、金属、废纸、一次性筷子、烟蒂、残旧菜叶、果皮和废节能灯。

3.根据权利要求1所述的垃圾分类方法，其特征在于，所述粒度分级表征网络包括目标特征图获取模块，所述目标特征图获取模块用于对输入待分类垃圾图像连续三次进行下采样操作输出所述目标特征图，所述目标特征图获取模块包括依次连接的第一下采样单元、第二下采样单元和第三下采样单元，各下采样单元均包括依次连接卷积层和池化层，所述第一下采样单元中卷积层为卷积核为3*3，卷积核数量为64的卷积层，所述第二下采样单元中卷积层为卷积核为3*3，卷积核数量为128的卷积层，所述第三下采样单元中卷积层为卷积核为3*3，卷积核数量为256的卷积层，所述第一下采样单元、所述第二下采样单元和所述第三下采样单元中的池化层均为池化核为2*2的最大池化层。

4.根据权利要求1所述的垃圾分类方法，其特征在于，N的数量为4，4个不同尺度池化核的池化操作包括池化核为2*2的平均池化操作、池化核为4*4的平均池化操作、池化核为6*6的平均池化操作和池化核为8*8的平均池化操作。

5.根据权利要求4所述的垃圾分类方法，其特征在于，所述粒度分级表征网络中，经过池化核为2*2的平均池化操作后的特征图输入卷积核为2*2，步长为2，卷积核数量为32的反卷积层；经过池化核为4*4的平均池化操作后的特征图输入卷积核为4*4，步长为4，卷积核数量为32的反卷积层；经过池化核为6*6的平均池化操作后的特征图输入卷积核为8*8，步长为8，卷积核数量为32的反卷积层；经过池化核为8*8的平均池化操作后的特征图输入卷积核为16*16，步长为16，卷积核数量为32的反卷积层。

6.根据权利要求1所述的垃圾分类方法，其特征在于，所述采用所述垃圾分类模型对垃圾图像进行分类之后，还包括：

获得所述垃圾分类模型输出的垃圾细化分类对应的垃圾大类，所述垃圾大类包括可回收垃圾、厨余垃圾、有害垃圾和其他垃圾。

7.一种垃圾分类系统，其特征在于，包括：

垃圾分类数据集构建模块，用于构建垃圾分类数据集，所述垃圾分类数据集中包括多类垃圾图像，为每张垃圾图像对应一个垃圾细化分类；

粒度分级表征网络构建模块，用于构建粒度分级表征网络，所述粒度分级表征网络用于对输入待分类垃圾图像连续多次进行下采样操作获得目标特征图，对所述目标特征图进行N个不同尺度池化核的池化操作，并对各池化操作后的特征图进行反卷积，获得N个粒度特征图，N个粒度特征图的尺寸相同，将N个粒度特征图分别输入sigmoid激活函数后和所述目标特征图进行通道维度的拼接获得多粒度表征特征图，将所述多粒度表征特征图进行卷积操作后经过两个连续的全连接层，得到所述待分类垃圾图像在每个垃圾细化分类上的预测概率，将预测概率最大值对应的垃圾细化分类作为所述待分类垃圾图像的垃圾细化分类；

粒度分级表征网络训练模块，用于采用所述垃圾分类数据集训练所述粒度分级表征网络，获得垃圾分类模型；

垃圾分类模型应用模块，用于采用所述垃圾分类模型对垃圾图像进行分类。

8.根据权利要求7所述的垃圾分类系统，其特征在于，所述垃圾细化分类包括玻璃、电池、塑料、金属、废纸、一次性筷子、烟蒂、残旧菜叶、果皮和废节能灯。