[发明专利]一种垃圾分类方法及垃圾桶

权利要求书

1.一种垃圾分类方法，其特征在于，所述垃圾分类方法包括：

步骤S1：获取待分类垃圾的图像数据；

步骤S2：构建神经网络模型；所述神经网络模型包括：第一层稀疏网络模块、第二层稀疏网络模块、第三层残差网络模块、平均池化层和归一化层；所述第一层稀疏网络模块包括一个7*7卷积层、一个1*1卷积核、一个3*3卷积核、一个5*5卷积核和一个3*3最大池化层；所述第二层稀疏网络模块包括：三个1*1卷积核、一个3*3卷积核、一个5*5卷积核和一个3*3最大池化层；

步骤S3：基于所述神经网络模型对所述图像数据进行处理，得到分类结果；

步骤S4：根据所述分类结果，将所述待分类垃圾投放到对应位置。

2.根据权利要求1所述的垃圾分类方法，其特征在于，所述基于所述神经网络模型对所述图像数据进行处理，得到分类结果，具体包括：

步骤S31：将所述图像数据输入到第一层稀疏网络模块进行计算，得到第一特征矩阵；

步骤S32：将所述第一特征矩阵输入到第二层稀疏网络模块进行计算，得到第二特征矩阵；

步骤S33：将所述第二特征矩阵输入到第三层残差网络模块进行卷积处理，得到第七特征矩阵；

步骤S34：将所述第七特征矩阵输入到平均池化层进行矩阵转换，获得特征向量；

步骤S35：将所述特征向量进行归一化处理，计算所述图像数据属于各类垃圾的概率；

步骤S36：将概率最大的垃圾类别作为分类结果，并输出所述分类结果。

3.根据权利要求2所述的垃圾分类方法，其特征在于，所述将所述第二特征矩阵输入到第三层残差网络模块进行卷积处理，得到第七特征矩阵，具体包括：

步骤S331：将所述第二特征矩阵经过两次卷积处理后，获得深度为256的第三特征矩阵；

步骤S332：将所述第二特征矩阵经过1*1卷积处理后，获得深度为256的第四特征矩阵；

步骤S333：将所述第三特征矩阵与所述第四特征矩阵相加，得到第五特征矩阵；

步骤S334：将经过两次卷积处理后的第五特征矩阵与所述第五特征矩阵相加，得到第六特征矩阵；

步骤S335：将经过两次卷积处理后的第六特征矩阵与所述第六特征矩阵相加，得到所述第七特征矩阵。

4.根据权利要求2所述的垃圾分类方法，其特征在于，所述计算所述图像数据属于各类垃圾的概率的公式为：

其中，P表示所述图像数据属于各类垃圾的概率，X表示所述图像数据，j表示垃圾类别，K表示垃圾总类别数，T表示向量转置，W_j表示第j类垃圾的特征权重，W_k表示垃圾总类别的特征权重。

5.一种垃圾桶，其特征在于，所述垃圾桶包括：

N个箱体，用于装载不同类别的垃圾，N为大于1的正整数；

投放箱，用于装载待分类垃圾；

摄像头，用于捕捉待分类垃圾图像；

图像处理器，与所述摄像头连接，用于根据权利要求1-4任一项所述的垃圾分类方法对所述待分类垃圾图像进行处理，得到分类结果；

舵机控制器，与所述图像处理器连接，用于接收所述分类结果，并根据所述分类结果发出运动指令；

舵机，与所述舵机控制器连接，用于根据所述运动指令控制所述投放箱运动到指定位置并打开所述投放箱的箱门，还用于控制所述投放箱关闭箱门，运动到初始位置；

后台服务器，与所述图像处理器连接，用于将所述分类结果发送到数据处理平台进行显示或处理。

6.根据权利要求5所述的垃圾桶，其特征在于，所述垃圾桶还包括：

N个气体传感器，N为大于1的正整数，分别设置在N个箱体的内部，与所述后台服务器连接，用于监测所述N个箱体中的可燃性气体的浓度是否超过第一阈值，如果大于所述第一阈值则生成警告信号并发送给所述后台服务器，以使所述后台服务器将所述警告信号发送到数据处理平台进行显示报警。