[发明专利]一种垃圾图像智能分类的方法、装置及智能垃圾桶在审
申请号: | 201810049145.9 | 申请日: | 2018-01-18 |
公开(公告)号: | CN108182455A | 公开(公告)日: | 2018-06-19 |
发明(设计)人: | 成金勇;江彤彤;鹿文鹏 | 申请(专利权)人: | 齐鲁工业大学 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06N3/04;B65F1/14;B65F1/00 |
代理公司: | 济南信达专利事务所有限公司 37100 | 代理人: | 孟峣 |
地址: | 250353 山*** | 国省代码: | 山东;37 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 垃圾图像 智能分类 预处理 摄像头 采集 特征图像提取 可回收垃圾 智能垃圾桶 采集设备 废物污染 环保意识 人工分类 特征图像 图像识别 控制器 可回收 垃圾 处理器 池化 高清 卷积 分类 | ||
1.一种垃圾图像智能分类的方法,其特征在于,其实现过程为,
一、首先通过包括摄像头的高清采集设备采集垃圾图像;
二、将采集的垃圾图像进行预处理;
三、对预处理后的垃圾图像进行卷积和池化处理,进行特征图像提取,然后对特征图像进行识别;
四、根据识别结果,判断是否为可回收垃圾类别。
2.根据权利要求1所述的一种垃圾图像智能分类的方法,其特征在于,所述步骤二中的预处理是指对图像进行增强处理,该增强处理包括噪声消除、图像平滑和图像锐化处理过程,该增强处理通过图像识别处理器实现。
3.根据权利要求1所述的一种垃圾图像智能分类的方法,其特征在于,所述步骤三中的特征图像由图像识别处理器通过神经网络模型训练获取,该神经网络模型为已经训练过的神经网络模型且包括以下15层:相互交叉的四个卷积层和四个下采样层、三个全连接层、三个激活层、一个分类层,其中,全连接层用来调节参数、使网络更稳定的,激活层用于提高网络速度;在该神经网络模型中,步骤二中预处理的图像经过交叉进行的卷积和下采样处理后,由图像识别处理器提取第10层激活层中权值参数作为图像的特征。
4.根据权利要求1所述的一种垃圾图像智能分类的方法,其特征在于,所述步骤三中的特征图像识别通过预设的分类网络模型实现,该分类网络模型为通过特征图像训练过的网络模型,在获取特征图像后,直接输入到该分类网络模型中完成对特征图像进行识别,然后将识别结果返回给图像识别处理器,图像识别处理器根据识别结果判断是否可回收,判断可回收垃圾类别。
5.一种垃圾图像智能分类的装置,其特征在于,包括,
图像采集模块,采用包括摄像头的高清采集设备采集垃圾图像;
图像识别模块,用于将图像采集模块采集的垃圾图像进行预处理后,进行卷积和池化处理,完成特征图像提取,并对特征图像进行识别;
图像归类模块,根据图像识别模块的识别结果,将特征图像进行归类:判断是否为可回收垃圾类别。
6.根据权利要求5所述的一种垃圾图像智能分类的装置,其特征在于,所述图像识别模块中,对垃圾图像进行预处理是指进行包括噪声消除、图像平滑和图像锐化处理过程的增强处理。
7.根据权利要求5所述的一种垃圾图像智能分类的装置,其特征在于,所述图像识别模块中,对特征图像进行提取由图像识别处理器通过神经网络模型训练获取,该神经网络模型为已经训练过的神经网络模型且包括以下15层:相互交叉的四个卷积层和四个下采样层、三个全连接层、三个激活层、一个分类层,在该神经网络模型中,预处理的图像经过交叉进行的卷积和下采样处理后,由图像识别处理器提取第10层激活层中权值参数作为图像的特征。
8.根据权利要求5所述的一种垃圾图像智能分类的装置,其特征在于,所述图像归类模块中,特征图像归类通过预设的分类网络模型实现,该分类网络模型为通过特征图像训练过的网络模型,在获取特征图像后,直接输入到该分类网络模型中完成对特征图像进行识别,然后将识别结果返回给图像识别处理器,图像识别处理器根据识别结果判断是否可回收,判断可回收垃圾类别。
9.一种智能垃圾桶,其特征在于,包括,
上述垃圾图像智能分类的装置,在该垃圾图像智能分类的装置中还配置有控制信号模块,垃圾图像智能分类的装置完成垃圾类别的判断后,找到对应的垃圾桶控制装置编号并通过控制信号模块向其发送控制信号;
垃圾桶控制装置,配置有与控制信号模块配合使用的信号接收模块,接收到对应的控制信号后,打开对应垃圾桶桶盖。
10.根据权利要求9所述的一种智能垃圾桶,其特征在于,所述垃圾桶控制装置中还顺序包括控制器电源模块、扬声器模块、指示灯模块和控制电机,其中,当控制信号发送到信号接收模块中时,控制器电源模块为对应编号的扬声器模块、指示灯模块和控制电机供电,扬声器模块通过语音提醒投入垃圾桶的位置;指示灯模块通电亮灯作为提醒;控制电机则打开对应垃圾桶桶盖。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于齐鲁工业大学,未经齐鲁工业大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201810049145.9/1.html,转载请声明来源钻瓜专利网。