[发明专利]一种基于深度学习的垃圾种类识别系统

权利要求书

1.一种基于深度学习的垃圾种类识别系统，其特征在于，所述垃圾种类识别系统包含垃圾分类数据集、垃圾分类器、垃圾分类器训练模块和实时垃圾种类识别模块，垃圾分类器训练模块利用垃圾分类数据集训练垃圾分类器，实时垃圾种类识别模块从自己的摄像头采集图像信息，然后调用垃圾分类器识别图像中的垃圾种类，输出识别结果和控制信号。

2.如权力要求1所述的一种基于深度学习的垃圾种类识别系统，其特征在于，所述垃圾分类数据集由各类垃圾的照片构成。

3.如权力要求1所述的一种基于深度学习的垃圾种类识别系统，其特征在于，所述垃圾分类器为卷积神经网络，输入为图像信息，输出为每种垃圾类别的概率。

4.如权力要求1所述的一种基于深度学习的垃圾种类识别系统，其特征在于，所述垃圾分类器训练模块包括x86架构的电脑、深度学习框架和垃圾分类器训练程序，具体功能通过垃圾分类器训练程序实现。

5.如权力要求1所述的一种基于深度学习的垃圾种类识别系统，其特征在于，所述实时垃圾种类识别模块包括卡片式单板电脑及其电源、摄像头模块、深度学习框架和实时垃圾种类识别程序，所述实时垃圾种类识别模块的具体功能通过实时垃圾种类识别程序实现。

6.如权力要求4所述的一种基于深度学习的垃圾种类识别系统，其特征在于，所述垃圾分类器训练模块的功能为：垃圾分类器训练程序借助深度学习框架提供的应用程序接口，垃圾分类器训练程序将垃圾分类数据集训练按比例随机分割成训练集和测试集，垃圾分类器训练程序用训练集训练垃圾分类器；在达到预设的训练目标后，垃圾分类器训练程序用测试集来测试垃圾分类器达到的分类精度。最后，输出垃圾分类器权重文件和垃圾类别标签文件。

7.如权力要求5所述的一种基于深度学习的垃圾种类识别系统，其特征在于，所述实时垃圾种类识别模块的功能为：实时垃圾种类识别程序实时监测摄像头画面变化，当画面捕捉条件被触发，则捕获该画面的图像信息，然后实时垃圾种类识别程序调用垃圾分类器进行推断，推理结果为图像中物品对应于每种垃圾类别的概率；实时垃圾种类识别程序按预先制定的规则确定垃圾类别；实时垃圾种类识别程序将识别出的垃圾类别信息输出到终端显示，并通过GPIO/Arduino输出为控制信号，控制信号用于控制电机的转停或者指示灯的亮灭，最后实时垃圾种类识别程序将所捕获的画面保存，用以补充数据集。