[发明专利]一种基于机器学习的垃圾清理方法、装置、设备及介质

权利要求书

1.一种基于机器学习的垃圾清理方法，其特征在于，所述垃圾清理方法包括：获取待清理区域平面规划图，对所述平面规划图进行网格化处理得到待清理区域的网格图；

通过无人机拍摄所述待清理区域的航拍图像，根据所述网格图和所述航拍图像得到网格化航拍图像；将所述航拍图像输入预设的垃圾分类模型，得到所述垃圾分类模型输出的垃圾分类信息集，所述垃圾分类信息集中每一条垃圾分类信息均包括垃圾在所述待清理区域的位置信息和所述垃圾的分类结果；

根据所述垃圾分类信息集驱动垃圾清理机器人进行垃圾自动清理；

所述垃圾分类模型包括垃圾提取子模型和垃圾分类子模型，所述垃圾提取子模型和所述垃圾分类子模型通过图像切片层连接，所述垃圾分类子模型还与垃圾分类信息输出层连接；

所述垃圾提取子模型的训练方法，包括：获取样本数据集，所述样本数据集包括正向样本数据子集和反向样本数据子集，所述正向样本数据子集包括多条正向样本数据，所述反向样本数据子集包括多条反向样本数据，所述正向样本为各种垃圾图像，所述反向样本为非垃圾图像；

构建预设机器学习模型，将所述预设机器学习模型确定为当前机器学习模型；

基于所述当前机器学习模型，对所述样本数据集中的图像是否为垃圾图像进行二值化的判别操作，确定判别结果；

基于所述判别结果和垃圾图像的来源，确定损失值；

当所述损失值大于预设阈值时，基于所述损失值进行反向传播，对所述当前机器学习模型进行更新以得到更新后的机器学习模型，将所述更新后的机器学习模型重新确定为所述当前机器学习模型；重复步骤：基于所述当前机器学习模型，对所述样本数据集中的图像是否为垃圾图像进行二值化的判别操作，确定判别结果；

当所述损失值小于或等于所述预设阈值时，将所述当前机器学习模型确定为所述垃圾提取子模型；

所述图像切片层执行下述动作：

获取所述垃圾提取子模型对所述网格化航拍图像中各个物品的垃圾提取结果；

若所述垃圾提取结果为真，则提取所述物品所在网格的图像为垃圾切片图像，建立所述垃圾切片图像与所述网格的映射关系。

2.根据权利要求1所述的方法，其特征在于，所述垃圾分类子模型的训练方法，包括：获取样本数据集，所述样本数据集包括多条样本数据，每条样本数据均包括垃圾图像和所述垃圾图像对应的垃圾分类标记；

构建预设机器学习模型，将所述预设机器学习模型确定为当前机器学习模型；

基于所述当前机器学习模型，对所述样本数据集中的垃圾图像进行分类操作，确定所述垃圾图像对应的预测分类结果；

基于所述垃圾图像对应的预测分类结果和所述垃圾图像对应的垃圾分类标记，确定损失值；

当所述损失值大于预设阈值时，基于所述损失值进行反向传播，对所述当前机器学习模型进行更新以得到更新后的机器学习模型，将所述更新后的机器学习模型重新确定为所述当前机器学习模型；重复步骤：基于所述当前机器学习模型，对所述样本数据集中的垃圾图像进行分类操作，确定所述垃圾图像对应的预测分类结果；

当所述损失值小于或等于所述预设阈值时，将所述当前机器学习模型确定为所述垃圾分类子模型。

3.根据权利要求2所述的方法，其特征在于：所述垃圾分类信息输出层执行下述动作：

获取所述垃圾分类子模型输出的垃圾切片图像对应的垃圾分类结果；

根据垃圾切片图像与所述网格的对应关系，得到垃圾分类结果与所述网格的映射关系。

4.一种计算机存储介质，其特征在于，所述计算机存储介质中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、至少一段程序、代码集或指令集由处理器加载并执行以实现如权利要求1-3任一项所述的一种基于机器学习的垃圾清理方法。

5.一种基于机器学习的垃圾清理设备，其特征在于，所述设备包括处理器和存储器，所述存储器中存储有至少一条指令、至少一段程序、代码集或指令集，所述至少一条指令、所述至少一段程序、所述代码集或指令集由所述处理器加载并执行如权利要求1-3任一项所述的一种基于机器学习的垃圾清理方法。