[发明专利]基于深度学习的垃圾检测分类方法和装置

权利要求书

1.一种基于深度学习的垃圾检测分类方法，其特征在于，包括以下步骤：

采用目标检测模型对目标检测图像进行目标检测，以判断目标检测图像中是否存在待分类垃圾；

如果所述目标检测图像中存在所述待分类垃圾，则获取所述待分类垃圾在当前像素坐标系下的坐标；

根据所述待分类垃圾在当前像素坐标系下的坐标从目标检测图像中抠出待分类垃圾检测图像；

采用目标分类模型对所述待分类垃圾检测图像进行分类检测，以判断所述待分类垃圾检测图像中的待分类垃圾是否为目标垃圾。

2.根据权利要求1所述的深度学习的垃圾检测分类方法，其特征在于，在采用所述目标检测模型对所述目标检测图像进行目标检测之前，包括：

采集路面垃圾图像数据，并对所述路面垃圾图像数据进行手工标注，以生成训练样本集；

根据所述训练样本集对目标检测网络进行训练，以生成所述目标检测模型。

3.根据权利要求1或2中任一项所述的深度学习的垃圾检测分类方法，其特征在于，所述采用目标检测模型对目标检测图像进行目标检测包括：

采用中值滤波、图像锐化、旋转、镜像、亮度调整、变换RGB颜色通道中的至少一种方式对所述目标检测图像进行数据增强处理；

采用所述目标检测模型对数据增强处理后的目标检测图像进行目标检测。

4.根据权利要求1所述的深度学习的垃圾检测分类方法，其特征在于，所述采用目标分类模型对所述待分类垃圾检测图像进行分类检测，包括：

采用中值滤波、图像锐化、旋转、镜像、亮度调整中的至少一种方式对所述待分类垃圾检测图像进行数据增强处理；

采用所述目标分类模型对数据增强处理后的待分类垃圾检测图像进行分类检测。

5.根据权利要求1所述的深度学习的垃圾检测分类方法，其特征在于，还包括：

如果判断所述待分类垃圾检测图像中的待分类垃圾为目标垃圾，则获取所述目标垃圾在当前像素坐标系下的坐标；

将所述目标垃圾在当前像素坐标系下的坐标与相机的内参矩阵进行乘法运算，以获取所述目标垃圾在当前像素坐标系下的坐标；

将所述目标垃圾在当前像素坐标系下的坐标与相机坐标系和车体坐标系的变换矩阵进行乘法运算，以获取目标垃圾在所述车体坐标系下的坐标。

6.一种基于深度学习的垃圾检测分类装置，其特征在于，包括：

目标检测模块，所述目标检测模块用于采用目标检测模型对目标检测图像进行目标检测，以判断目标检测图像中是否存在待分类垃圾；

第一获取模块，所述第一获取模块用于在所述目标检测图像中存在所述待分类垃圾时，获取所述待分类垃圾在当前像素坐标系下的坐标；

第二获取模块，所述第二获取模块用于根据所述待分类垃圾在当前像素坐标系下的坐标从目标检测图像中抠出待分类垃圾检测图像；

分类检测模块，所述分类检测模块用于采用目标分类模型对所述待分类垃圾检测图像进行分类检测，以判断所述待分类垃圾检测图像中的待分类垃圾是否为目标垃圾。

7.一种计算机设备，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时，实现根据权利要求1-5中任一项所述的基于深度学习的垃圾检测分类方法。

8.一种非临时性计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现根据权利要求1-5中任一项所述的基于深度学习的垃圾检测分类方法。