[发明专利]一种基于深度神经网络的垃圾物焚烧识别方法及系统

权利要求书

1.一种基于深度神经网络的垃圾物焚烧识别方法，其特征在于，包括：

建立深度神经网络模型；

采集监控区内的图像信息；

将所述图像信息输入深度神经网络模型，获取图像中含有垃圾焚烧特征信息的概率；所述模型包括垃圾识别深度神经网络子模型、烟雾识别深度神经网络子模型和火苗识别深度神经网络子模型；所述垃圾焚烧特征信息包括垃圾信息、烟雾信息和火苗信息；

根据所述概率完成垃圾物焚烧的识别。

2.根据权利要求1所述的基于深度神经网络的垃圾物焚烧识别方法，其特征在于，将所述图像信息输入深度神经网络模型，分别获取图像中含有垃圾、烟雾和火苗的概率，并将其分别与预设的阈值进行比较，根据比较结果完成垃圾物焚烧的识别。

3.根据权利要求2所述的基于深度神经网络的垃圾物焚烧识别方法，其特征在于，还包括对深度神经网络模型进行训练，所述训练包括：

分别获取垃圾识别深度神经网络子模型、烟雾识别深度神经网络子模型和火苗识别深度神经网络子模型输出的损失值，将三个损失值进行联合训练，并将联合训练的新损失值反向传播至垃圾识别深度神经网络子模型、烟雾识别深度神经网络子模型和火苗识别深度神经网络子模型。

4.根据权利要求3所述的基于深度神经网络的垃圾物焚烧识别方法，其特征在于，所述训练过程通过如下公式表示：

Loss_total＝Loss_g+Loss_s+Loss_f

或

Loss_total＝Loss_g*(Loss_s+Loss_f)

其中，Loss_g为垃圾识别深度神经网络子模型的损失值、Loss_s为烟雾识别深度神经网络子模型的损失值、Loss_f为火苗识别深度神经网络子模型的损失值，Loss_total为融合在一起的综合损失值。

5.根据权利要求2所述的基于深度神经网络的垃圾物焚烧识别方法，其特征在于，所述根据比较结果完成垃圾物焚烧的识别通过如下公式表示：

Pgthreshold1,and Ps+Pfthreshold2、

Pg*(Ps+Pf)threshold3

和/或

Pg*Ps*Pfthreshold4

其中，Pg为垃圾识别深度神经网络子模型输出的概率值、Ps烟雾识别深度神经网络子模型输出的概率值，Pf为火苗识别深度神经网络子模型的输出的概率值，threshold1，threshold2，threshold3和threshold4分别为预先设置的比较阈值。

6.一种基于深度神经网络的垃圾物焚烧识别系统，其特征在于，包括：

图像采集单元，用于采集监控区内的图像信息；

深度神经网络模型，用于根据所述图像信息输入，获取图像中含有垃圾焚烧特征信息的概率；所述模型包括垃圾识别深度神经网络子模型、烟雾识别深度神经网络子模型和火苗识别深度神经网络子模型；所述垃圾焚烧特征信息包括垃圾信息、烟雾信息和火苗信息；

图像识别单元，用于根据深度神经网络模型输出的概率，完成垃圾物焚烧的识别。

7.根据权利要求6所述的基于深度神经网络的垃圾物焚烧识别系统，其特征在于，将所述图像信息输入深度神经网络模型，分别获取图像中含有垃圾、烟雾和火苗的概率，并将其分别与预设的阈值进行比较，根据比较结果完成垃圾物焚烧的识别。

8.一种计算机可读存储介质，其上存储有计算机程序，其特征在于：该程序被处理器执行时实现权利要求1至5中任一项所述方法。

9.一种电子终端，其特征在于，包括：处理器及存储器；

所述存储器用于存储计算机程序，所述处理器用于执行所述存储器存储的计算机程序，以使所述终端执行如权利要求1至5中任一项所述方法。