[发明专利]垃圾分类和定位方法、无人清洁艇控制方法及系统

说明书

本发明属于图像识别领域，公开了垃圾分类和定位方法、无人清洁艇控制方法及系统，垃圾分类和定位方法包括获取包含漂浮垃圾的水面图像；将水面图像输入到训练好的改进的yolov5模型中进行识别，获得漂浮垃圾的类型和位置，其中，改进的yolov5模型包括含有Resnet网络的Backbone部分，Resnet网络的每个block后插入CBAM模块。上述垃圾分类和定位方法采用基于一步法的训练好的改进的yolov5模型对包含漂浮垃圾的水面图像进行识别，能够一次运算，便可以得到漂浮垃圾的类别和位置。从而节约了对水面的漂浮垃圾进行分类和定位的时间，提高了回收效率。

技术领域

本发明涉及垃圾回收，尤其涉及一种垃圾分类和定位方法、一种无人清洁艇控制方法及一种无人清洁艇控制系统。

背景技术

传统的水面垃圾分类一般是基于人工进行分类，这种分类方式需要对水面垃圾进行分类的效率比较低。为了提高对水面垃圾的分类回收效率，现有技术中引入了无人清洁艇对水面垃圾进行分类回收，但是现有的无人清洁艇在回收水面垃圾的过程中，一般没有实时分类功能，只能直接填埋、焚烧或上岸再分类垃圾，这就导致垃圾处理时间更长，从而影响回收效率。

发明内容

本发明的目的在于提供一种垃圾分类和定位方法、一种无人清洁艇控制方法及一种无人清洁艇控制系统，解决采用无人清洁艇对水面垃圾进行分类回收时，如何提高对水面垃圾进行分类的效率，从而提高回收效率的问题。

为了达到上述目的，本发明提供了如下技术方案：

第一个方面，本发明提供了一种垃圾分类和定位方法，包括：

获取包含漂浮垃圾的水面图像；

将水面图像输入到训练好的改进的yolov5模型中进行识别，获得漂浮垃圾的类型和位置，

其中，改进的yolov5模型包括Backbone部分，Backbone部分包括Resnet网络，在Resnet网络中加入BatchNormalization层和dropout层，Resnet网络的每个block后插入CBAM模块，

其中，在Resnet网络中加入BatchNormalization层和dropout层，包括：

在每个残差块和恒等块的卷积层后添加BatchNormalization层，在最后的全连接层前添加一个dropout层。

可选的，在获取包含漂浮垃圾的水面图像之前，还包括：

对yolov5模型进行改进，得到改进后的yolov5模型；

对改进后的yolov5模型进行训练，得到训练好的改进的yolov5模型。

可选的，改进的yolov5模型还包括Neck部分和Head部分。

可选的，对改进后的yolov5模型进行训练，包括：

设定水面垃圾的分类类型；

获取用于训练的数据集；

对数据集进行增强处理，得到增强后的数据集；

将增强后的数据集按照设定的比例分为训练集、验证集和测试集；

对训练集、验证集和测试集进行标签编码；

分别选择loss函数、激活函数、优化器、评价函数和批尺寸；

使用标签编码后的训练集、验证集和测试集对改进的yolov5模型进行训练，得到训练好的改进的yolov5模型。

第二个方面，本发明提供了一种无人清洁艇控制方法，包括：

根据上述任一项所述的垃圾分类和定位方法获得漂浮垃圾的类型和位置；

控制无人清洁艇前往所述位置，无人清洁艇包括前艇和后艇，前艇和后艇采用可分离式设计；

控制无人清洁艇打捞所述漂浮垃圾；

根据漂浮垃圾的类型将漂浮垃圾传输至后艇对应的位置。