[发明专利]基于多目标图像识别的垃圾分类回收方法及系统

权利要求书

1.一种基于多目标图像识别的垃圾分类回收方法，其特征在于，所述方法包括：

采集待识别垃圾图像，对图像进行预处理；

采用改进的旗鱼优化算法计算图像最优的阈值分割组合；

通过所述阈值分割组合对图像进行多阈值分割，提取出多个目标区域；

通过训练好的神经网络模型识别所述目标区域，根据识别出的垃圾种类判断所属的垃圾回收类别。

2.根据权利要求1所述基于多目标图像识别的垃圾分类回收方法，其特征在于，所述垃圾回收类别包括可回收垃圾、有害垃圾、干垃圾、湿垃圾。

3.根据权利要求1所述基于多目标图像识别的垃圾分类回收方法，其特征在于，所述采用改进的智能优化算法计算最优的阈值分割组合具体包括：

S01、旗鱼算法初始化，包括设置旗鱼种群数量N_SF、沙丁鱼种群数量N_S，解空间维度D、最大迭代次数T；获取图像的灰度值范围，在所述灰度值范围内随机初始化种群位置，其中旗鱼种群用X_SF表示，沙丁鱼种群用表示X_S；

S02、通过适应度函数分别计算旗鱼和沙丁鱼个体的适应度值，并且保存最优适应度值和位置；

S03、进行旗鱼位置更新，位置更新公式为：

其中，分别为第t次、t+1次迭代时旗鱼位置，第t次迭代时旗鱼的最佳位置；

λ_t＝(2*rand(0,1)-1)*PD，PD代表猎物群的密度，

S04、根据旗鱼的攻击力度AP，进行沙丁鱼的位置更新：

AP＝A*(1-2*t*e)

A₁、A₂为警觉系数，AP代表旗鱼的攻击力度，A、e为常数，当AP0.5时，更新沙丁鱼全部位置，当AP≤0.5时，更新沙丁鱼部分位置，所述部分位置的范围定义如下：

α＝N_S*AP，β＝d_t*AP

其中α代表要更新沙丁鱼的数量，β表示要更新的维度数量，1d_tD；

S05、分别计算适应度，如果沙丁鱼的位置优于旗鱼的位置，将沙丁鱼位置赋值给旗鱼；

S06、返回步骤S02，迭代运算直到达到设定迭代次数，输出最优位置作为最优的阈值分割组合。

4.根据权利要求3所述基于多目标图像识别的垃圾分类回收方法，其特征在于，沙丁鱼位置更新公式中，警觉系数A₁、A₂为：

其中，a₁、a₂∈[0,2]，k是[1,N_S]之间的随机整数，且k≠i，f_i、f_k分别为第i、k只灰狼的适应度值；sumf为整个种群的适应度之和，ε为常数，mean_d为种群在第d维的平均位置。

5.根据权利要求4所述基于多目标图像识别的垃圾分类回收方法，其特征在于，所述适应度函数的目标为图像背景和多个目标之间的类间方差最大，计算公式为：

μ_T为整个图像的灰度平均值，μ_k为第k个目标区域的灰度平均值，ω_k为第k个目标区域可能出现的概率。

6.根据权利要求1所述基于多目标图像识别的垃圾分类回收方法，其特征在于，所述方法还包括：

语音播报从图像中识别出的各类垃圾及对应的垃圾回收类别，统计图像中各类垃圾对应的垃圾回收类别的众数，提醒用户取出与所述众数类别不同的少数类重新进行垃圾回收分类。