[发明专利]一种基于人工智能的垃圾分类识别方法

说明书

本发明公开一种基于人工智能的垃圾分类识别方法，涉及图像处理技术领域；建立数据集，对数据集中的垃圾图片进行预处理；由卷积深度神经网络构成垃圾分类模型，使用步骤预处理后的数据集训练垃圾分类模型；将待分类的垃圾照片预处理后输入到训练后的垃圾分类模型，输出分类结果；本发明方法通过建立的深度神经网络训练垃圾图集完成垃圾识别模型的建立，利用建立的垃圾识别模型对投放的垃圾进行准确识别，可以提高用户垃圾分类的效率，节约时间和成本。

技术领域

本发明公开一种基于人工智能的垃圾分类识别方法，涉及图像处理技术领域。

背景技术

垃圾分类，指按一定规定或标准将垃圾分类储存、分类投放和分类搬运，从而转变成公共资源的一系列活动的总称。分类的目的是提高垃圾的资源价值和经济价值，力争物尽其用。随着对垃圾回收分类的要求变得越来越严格，需要对日常生活垃圾进行准确分类，但是由于日常垃圾多种多样，普通居民很难做到准确区分垃圾类别。

本发明公开了一种基于人工智能的垃圾分类识别方法，建立数据集，对数据集中的垃圾图片进行预处理；由卷积深度神经网络构成垃圾分类模型，使用步骤预处理后的数据集训练垃圾分类模型；将待分类的垃圾照片预处理后输入到训练后的垃圾分类模型，输出分类结果；本发明方法通过建立的深度神经网络训练垃圾图集完成垃圾识别模型的建立，利用建立的垃圾识别模型对投放的垃圾进行准确识别，可以提高用户垃圾分类的效率，节约时间和成本。

发明内容

本发明针对现有技术的问题，提供一种基于人工智能的垃圾分类识别方法，利用建立的垃圾识别模型对投放的垃圾进行准确识别，可以提高用户垃圾分类的效率，节约时间和成本。

本发明提出的具体方案是：

一种基于人工智能的垃圾分类识别方法，步骤如下：

S1建立数据集：收集垃圾照片，并对垃圾照片进行类别标注，构成数据集；

S2对数据集中的垃圾图片进行预处理；

S3由卷积深度神经网络构成垃圾分类模型：第一层由两层卷积层和一层池化层组成，第二层由两层卷积层和一层池化层组成，第三层由四层卷积层和一层池化层组成，第四层由四层卷积层和一层池化层组成，第五层由四层全连接层组成；

S4使用步骤S2中预处理后的数据集训练步骤S3中的垃圾分类模型；

S5将待分类的垃圾照片预处理后输入到训练后的垃圾分类模型，输出分类结果。

所述的方法中S1中将数据集按照一定比例划分成训练测试集和验证集。

所述的方法中S4中使用10折交叉验证方法将训练测试集划分为测试集和训练集，利用划分后的测试集和训练集训练垃圾分类模型，使用验证集根据代价函数计算垃圾分类模型的代价，根据代价选择最优的垃圾分类模型。

所述的方法中具体步骤为：

S401使用十折交叉验证法对训练测试集进行划分和验证，训练测试集中的十分之一作为测试集，剩余的十分之九作为训练集；

S402使用训练集和测试集训练垃圾分类模型；

S403使用验证集根据代价函数计算垃圾分类模型的代价；

S404根据代价进行反向传播修改垃圾分类模型的参数直到得到最优的垃圾分类模型。

所述的方法中S3中对垃圾分类模型使用batch-normal、prelu激活函数、dropout方法中一种或几种进行优化。

所述的方法中S2中对数据集中进行图片降噪、二值化、字符切分以及归一化的预处理。

所述的方法中S5中利用opencv读取待分类的垃圾照片预处理后输入到训练后的垃圾分类模型，输出分类结果。