[发明专利]一种基于深度学习的垃圾分类方法

说明书

本发明涉及一种基于深度学习的垃圾分类方法。首先使用爬虫爬取并构建深度学习训练集，将该版数据集称为初始数据集；然后使用不同的网络结构在初始数据集的基础上训练模型，得到多个模型；接着使用这些模型结合爬虫进行数据的自动爬取、清洗、打标，完成对初始数据集的自动扩充，构建最终版数据集；最后选出表现最好的网络结构作为主干网络，在最终构建的数据集上训练模型，并且使用各种优化策略进行优化，提升模型的准确率与鲁棒性。

技术领域

本发明涉及模式识别与计算机视觉领域，特别涉及一种基于深度学习的垃圾分类方法。

背景技术

随着人们生活水平的日益提高，城市中所产生的生活垃圾的越来越多。对于海量垃圾的处理，需要付出的成本是很高的。不管是焚烧还是填埋，都需要付出巨大的人力物力，还要以污染环境为代价。进行生活垃圾分类，最大限度地提高资源的利用率，减轻垃圾处理负担，实现可持续发展，已经逐渐得到人们的重视。然而，自生活垃圾分类政策在全国各省市推行以来，现状并不太乐观。许多试点小区垃圾分类实行情况欠佳，一些省市甚至高薪聘请社会监督员来强制人们进行垃圾分类。人们对垃圾分类积极性不高，不是因为它们环保意识不够，不想保护环境，而是因为要进行垃圾分类，首先要清楚地掌握相关规则和知识，这需要一定的学习成本。很对人看到那复杂的垃圾分类规则，便丧失了进行垃圾分类的积极性。针对上述问题的存在，高效准确的生活垃圾类别识别与分析具有其现实意义。它可以为每个不愿意花时间记忆复杂的垃圾分类规则的人带来无穷便利，也可以为环境保护、可持续发展贡献一份力量

现有的垃圾分类数据集存在类别少，数据量小的特点，无法很好地代表现实中种类繁多的垃圾。现有的垃圾分类算法都是针对规模比较小的数据集，这样的算法存在泛化能力较差的特点，很难广泛的应用到日常生活场景中。

发明内容

本发明的目的在于提供一种基于深度学习的垃圾分类方法，能快速准确地对生活垃圾类别进行进行判别。由于构建并使用一个庞大的数据集进行训练，模型的泛化性能较好，适用于生活中的各种场景。

为实现上述目的，本发明的技术方案是：一种基于深度学习的垃圾分类方法，包括如下步骤：

步骤S1、使用爬虫爬取并构建深度学习训练集，将该版数据集称为初始数据集；

步骤S2、使用不同的网络结构在初始数据集的基础上训练模型，得到多个模型；

步骤S3、使用步骤S2得到的模型结合爬虫进行数据的自动爬取、清洗、打标，完成对初始数据集的自动扩充，构建最终版数据集；

步骤S4、选出步骤S2中表现最好的网络结构作为主干网络，在构建的最终版数据集上训练模型，并且使用优化策略进行优化，提升模型的准确率与鲁棒性。

在本发明一实施例中，步骤S1具体实现如下：

步骤S11、通过给http请求首部加上UserAgent与referer将爬虫程序伪装成火狐浏览器；使用urllib库获取页面内容；将获取的页面内容按照json格式解析；

步骤S12、按照从json中解析出来的图片地址获取并下载图片；

步骤S13、完成数据的爬取后，对于不符合要求的图片进行清洗；

步骤S14、对样本数较少的类别重新返回步骤S11。

在本发明一实施例中，步骤S2具体实现如下：

步骤S21、使用ResNet-50、ResNet-101、WideResNet-101、Inception-v3、Xception、EfficientNet-b3、EfficientNet-b4、EfficientNet-b5、EfficientNet-b6这几种网络结构对初始数据集逐一进行训练，得到不同结构的模型；