[发明专利]一种基于图像识别的塑料瓶颜色分选方法

说明书

本发明提供一种基于图像识别的塑料瓶颜色分选方法，包括以下步骤：S1，采集塑料瓶图像，对图像进行去噪、均值化、去雾以及裁剪操作后，将图像按比例划分为训练图像数据集、验证图像数据集和待测图像数据集。S2，建立塑料瓶颜色分选的深度学习网络模型，将训练图像数据集输入网络模型进行训练，确定深度学习网络模型及模型参数。S3,将验证图像数据集输入已确定的深度学习网络模型中，检验深度学习网络模型。S4，将待测图像数据集输入到深度学习网络模型中，得到待测图像数据集中塑料瓶颜色分类结果。本发明利用深度学习的图像检测和分类对塑料瓶颜色进行实时的分选，可以实现效率高、准确性强的塑料瓶颜色分选结果。

技术领域

本发明涉及图像处理的技术领域，具体涉及一种基于图像识别的塑料瓶颜色分选方法。

背景技术

随着时代的发展和人民生活水平的提高，饮料的生产和消费量不断增长。对于塑料瓶的处理，现行的方法大多数是掩埋和燃烧，由于塑料瓶自然降解的时间特别长，同时降解过程中还会产生一些有害物质；燃烧法会产生大量有害气体等对环境造成严重的污染现象，也会危害人民的健康，同时还会造成资源的浪费。因此国家实行对塑料瓶进行回收利用，为了保证回收材料的品质，对塑料瓶进行颜色分类。目前我国对塑料瓶进行颜色分类主要靠人工分选，且效率不高，是一项耗费人力时间和成本的工作。利用深度学习方法极大地提高了对塑料瓶颜色检测和分类的工作效率，同时也节约了大量的劳动力和成本。

目前颜色识别方法有：通过边缘检测和图像二值化处理，对图像进行分割等操作，利用分割后其他区域上的颜色与基准区域的颜色的色差关系来确定颜色分类；通过权重分块，对RGB彩色图像进行HSV颜色空间转换，根据H，V值进行颜色分类。现有方法不适合数据集较大的实验，且分类速度和准确性不高。

发明内容

本发明提供一种准确率高、快速性好、实用性强的塑料瓶颜色分选方法，适用于不同的环境下塑料瓶颜色的变化。

一种基于图像识别的塑料瓶颜色分选方法，包括：

S1，采集塑料瓶图像，对图像进行去噪、均值化、去雾以及裁剪操作后，将图像按比例划分为训练图像数据集、验证图像数据集和待测图像数据集；

S2，建立塑料瓶颜色分选的深度学习网络模型，将训练图像数据集输入网络模型进行训练，确定深度学习网络模型及模型参数；

S3,将验证图像数据集输入已确定的深度学习网络模型中，检验深度学习网络模型；

S4，将待测图像数据集输入到深度学习网络模型中，得到待测图像数据集中塑料瓶颜色分类结果。

进一步，所述S1中包括以下步骤：

S11，利用工业相机对不同颜色的塑料瓶进行图像采集，形成第一数据集；

S12，对第一数据集中的图像进行高斯滤波去噪；

S13，将S12处理后的图像进行灰度均值化、去雾操作处理；

S14，将S13处理后的图形按224*224大小进行裁剪，将裁剪后的图像存入第一数据集，替换原来的图像，形成第二数据集；

S15，对S14中第二数据集的图像将塑料瓶按红色、绿色、蓝色、紫色、黄色、黑色、白色和透明色分类，打上标签,进行不同方向的旋转、镜像、增加对比度等操作后，将第二数据集按照8：1：1的比例进行划分，得到预处理后的训练图像数据集、验证图像数据集和待测图像数据集。

进一步，所述S2中包括以下步骤：

S21，确定输入图像的卷积层和池化层；

S22，通过残差网络来实现塑料瓶颜色的特征提取；

S23，将提取的特征图输入到全局平均池化层，再将池化特征输入到全连接层进行塑料瓶颜色分类；