[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

说明书

本发明公开了一种基于机器学习的垃圾清理方法、装置、设备及介质，所述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。本发明尤其适用于空旷的场景中的垃圾自动清理，能非常显著的提升清理效率。

技术领域

本发明涉及垃圾管理领域，尤其涉及一种基于机器学习的垃圾清理方法、装置、设备及介质。

背景技术

垃圾分类是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。现有技术中对于人工进行垃圾分类有较强的依赖，并且基于垃圾分类进行垃圾回收也很大程度上依赖于用户的自觉，对于被随意丢弃的垃圾的自动化清理水平有待提高。

发明内容

为了解决现有技术中存在的技术问题，本发明实施例提供一种基于机器学习的垃圾清理方法、装置、设备及介质。

一种基于机器学习的垃圾清理方法，所述方法包括：

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。

优选的，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。

优选的，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所图像的来源，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。

优选的，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。

优选的，所述垃圾分类子模型的训练方法，包括：