[发明专利]一种基于迁移学习的饮料瓶回收视觉检测方法

权利要求书

1.一种基于迁移学习的饮料瓶回收视觉检测方法，其特征在于，该方法的实现过程包括：

S01、将不同的饮料瓶放入饮料瓶回收机的投瓶口，传送带装置将饮料瓶传至内部，饮料瓶回收机顶部的摄像头采集饮料瓶图像数据；

S02、使用图像标注软件对上述的饮料瓶的图像数据进行人工标注；

S03、对上述的饮料瓶的图像数据进行预处理；

S04、对上述的饮料瓶的图像进行数据增强处理；

S05、定义训练和验证所用的数据集；

S06、迁移学习模型构建及训练，加载预训练目标检测模型，使用饮料瓶的图像数据进行迁移学习微调阶段参数学习；

S07、模型效果评估，评估目标检测模型的均值平均精度值(mAP)；

S08、模型导出和部署，导出和部署饮料瓶回收视觉检测的CPU和NPU模型。

2.根据权利要求1所述的一种基于迁移学习的饮料瓶回收视觉检测方法，其特征在于，所述步骤S01中饮料瓶回收顶部摄像头可以是一个或多个CCD摄像头，也可以是一个或多个CMOS摄像头。

3.根据权利要求1所述的一种基于迁移学习的饮料瓶回收视觉检测方法，其特征在于，所述步骤S02人工标注饮料瓶数据集可以是COCO格式，也可以是VOC格式。

4.根据权利要求1所述的一种基于迁移学习的饮料瓶回收视觉检测方法，其特征在于，所述步骤S03中，对饮料瓶图像数据通过程序自动完成预处理，预处理包括调整色调、对比度，图像大小。

5.根据权利要求1所述的一种基于迁移学习的饮料瓶回收视觉检测方法，其特征在于，所述步骤S04中，图像数据增强处理包括对图像进行旋转、随机平移、图像翻转、改变色调和饱和度、对比度增强、随机裁剪图像、随机扩张图像或图像标准化操作中的一项或多项。

6.根据权利要求1所述的一种基于迁移学习的饮料瓶回收视觉检测方法，其特征在于，所述步骤S05中，定义训练和验证所用的数据集使用随机采样的方式分割，将数据划分训练集、验证集和测试集，训练集、验证集和测试集的比例为6:2:2。

7.根据权利要求1所述的一种基于迁移学习的饮料瓶回收视觉检测方法，其特征在于，所述步骤S06中，加载预训练目标检测模型包括ResNet、Yolo、VGG、MobileNet、LeNet、CNN中一项或多项。

8.根据权利要求1所述的一种基于迁移学习的饮料瓶回收视觉检测方法，其特征在于，所述步骤S07中，评估模型效果使用评估目标检测模型的均值平均精度值。

9.根据权利要求1所述的一种基于迁移学习的饮料瓶回收视觉检测方法，其特征在于，所述步骤S08中，训练好的模型包括可在手机APP部署或Linux平台上部署的CPU和NPU视觉检测模型。