[发明专利]一种垃圾分类的方法及装置

权利要求书

1.一种垃圾分类的方法，其特征在于，包括：

获取待分类的垃圾图片；

将所述待分类的垃圾图片输入到预先获得的垃圾分类神经网络模型中；

根据所述垃圾分类神经网络模型的输出结果获得所述待分类的垃圾图片中垃圾的类别；

其中，所述垃圾分类神经网络模型为预先根据样本垃圾图片和所述样本垃圾图片对应的标签训练得到的模型，所述标签至少包括：可回收垃圾、厨余垃圾、有害垃圾和其他垃圾。

2.根据权利要求1所述的方法，其特征在于，所述垃圾分类神经网络模型为十一层的神经网络，其中：

第一层、第三层、第四层、第六层、第七层和第八层为卷积层；第二层和第五层为批归一化层；第九层和第十层为全连接层；第十一层为输出层。

3.根据权利要求1或2所述的方法，其特征在于，预先根据样本垃圾图片和所述样本垃圾图片对应的标签训练得到垃圾分类神经网络模型，具体包括：

将所述样本垃圾图片输入到垃圾分类神经网络中，获得所述样本垃圾图片中垃圾的类别；

基于所述样本垃圾图片中垃圾的类别和所述样本垃圾图片对应的标签，利用所述垃圾分类神经网络的损失函数训练所述垃圾分类神经网络的参数，获得所述垃圾分类神经网络模型。

4.根据权利要求3所述的方法，其特征在于，所述利用所述垃圾分类神经网络的损失函数训练所述垃圾分类神经网络的参数，包括：

计算所述垃圾分类神经网络的本次损失函数值与上一次损失函数值的差值，当所述差值的绝对值与上一次损失函数的比值小于预设阈值时，将预定数量的卷积核通道置零，直至所述垃圾分类神经网络收敛，获得所述垃圾分类神经网络模型。

5.根据权利要求1所述的方法，其特征在于，所述获取待分类的垃圾图片，包括：

裁剪所述待分类的垃圾图片为预设大小的图片；

将裁剪后的待分类的垃圾图片进行尺度变换和归一化。

6.一种垃圾分类的装置，其特征在于，包括：图片获取单元、输入单元和结果获取单元；

所述图片获取单元，用于获取待分类的垃圾图片；

所述输入单元，用于将所述待分类的垃圾图片输入到预先获得的垃圾分类神经网络模型中；

所述结果获取单元，用于根据所述垃圾分类神经网络模型的输出结果获得所述待分类的垃圾图片中垃圾的类别；

其中，所述垃圾分类神经网络模型为预先根据样本垃圾图片和所述样本垃圾图片对应的标签训练得到的模型，所述标签至少包括：可回收垃圾、厨余垃圾、有害垃圾和其他垃圾。

7.根据权利要求6所述的装置，其特征在于，所述垃圾分类神经网络模型为十一层的神经网络，其中：

第一层、第三层、第四层、第六层、第七层和第八层为卷积层；第二层和第五层为批归一化层；第九层和第十层为全连接层；第十一层为输出层。

8.根据权利要求7所述的装置，其特征在于，还包括训练单元，用于将所述样本垃圾图片输入到垃圾分类神经网络中，获得所述样本垃圾图片中垃圾的类别；

基于所述样本垃圾图片中垃圾的类别和所述样本垃圾图片对应的标签，利用所述垃圾分类神经网络的损失函数训练所述垃圾分类神经网络的参数，获得所述垃圾分类神经网络模型。

9.根据权利要求8所述的装置，其特征在于，所述训练单元包括通道置零单元，用于计算所述垃圾分类神经网络的本次损失函数值与上一次损失函数值的差值，当所述差值的绝对值与上一次损失函数的比值小于预设阈值时，将预定数量的卷积核通道置零，直至所述垃圾分类神经网络收敛，获得所述垃圾分类神经网络模型。

10.根据权利要求6所述的装置，其特征在于，所述图片获取单元包括图片裁剪单元和图片处理单元；

所述图片裁剪单元，用于裁剪所述待分类的垃圾图片为预设大小的图片；

所述图片处理单元，用于将裁剪后的待分类的垃圾图片进行尺度变换和归一化。