[发明专利]一种垃圾分类方法及智能垃圾桶在审

专利信息
申请号: 202110459712.X 申请日: 2021-04-27
公开(公告)号: CN113191420A 公开(公告)日: 2021-07-30
发明(设计)人: 刘馨月;刘翔;詹文杰;邱梓逸 申请(专利权)人: 广州软件学院
主分类号: G06K9/62 分类号: G06K9/62;G06N3/04;G06N3/08
代理公司: 广州三环专利商标代理有限公司 44202 代理人: 郭浩辉;颜希文
地址: 510990 广东省广州市从*** 国省代码: 广东;44
权利要求书: 查看更多 说明书: 查看更多
摘要:
搜索关键词: 一种 垃圾 分类 方法 智能 垃圾桶
【权利要求书】:

1.一种垃圾分类方法,其特征在于,包括:

获取基础数据集,并对所述基础数据集进行预处理得到预处理数据集;

选取预训练模型进行迁移学习,将所述预处理数据集和垃圾分类标签输入至所述预训练模型中进行训练,构建垃圾训练模型;

采集待分类垃圾的图像数据,并将所述图像数据输入至所述垃圾训练模型中进行特征提取,得到所述待分类垃圾对应的垃圾特征;

将所述垃圾特征与所述垃圾训练模型中的特征进行匹配,根据匹配结果得到所述待分类垃圾的分类标签,将所述分类标签作为所述待分类垃圾的分类结果。

2.如权利要求1所述的垃圾分类方法,其特征在于,所述获取基础数据集,并对所述基础数据集进行预处理得到预处理数据集,具体为:

获取基础数据集,采用数据增广方法对所述基础数据集进行预处理得到预处理数据集。

3.如权利要求2所述的垃圾分类方法,其特征在于,采用数据增广方法对所述基础数据集进行预处理得到预处理数据集,包括:

对所述基础数据集进行水平翻转、垂直翻转、高斯噪声和高斯模糊操作扩充所述基础数据集;以及通过引入外部数据扩充所述基础数据集。

4.如权利要求1所述的垃圾分类方法,其特征在于,所述选取预训练模型进行迁移学习,将所述预处理数据集和垃圾分类标签输入至所述预训练模型中进行训练,构建垃圾训练模型,具体为:

选取卷积神经网络作为预训练模型,将CBAM注意力机制模块添加至所述预训练模型的首层卷积层,在所述预训练模型的全连接层添加Dropout层,并采用交叉熵损失函数作为损失函数,以及采用SGD作为优化函数;

将所述预处理数据集和垃圾分类标签输入至所述预训练模型中进行微调训练,构建垃圾训练模型。

5.如权利要求1所述的垃圾分类方法,其特征在于,还包括:在获得所述待分类垃圾的分类结果后,通过语音播放所述分类结果,在预设时间内没有检测到用户手动输入的分类指令时,控制所述分类结果对应的垃圾收集装置的阀门打开。

6.如权利要求1所述的垃圾分类方法,其特征在于,所述分类标签包括可回收垃圾、不可回收垃圾和其他垃圾。

7.一种智能垃圾桶,其特征在于,包括外壳、盖板、分类识别腔和若干个垃圾收集装置,所述盖板设置于所述外壳的顶部,所述盖板下方设置有用于对待分类垃圾进行分类识别的分类识别腔,所述分类识别腔的底部设置有通过传输管道连通至若干个所述垃圾收集装置的内门;

所述分类识别腔设置有图像采集模块和垃圾分类装置,所述图像采集模块用于采集所述分类识别腔的待分类垃圾的图像数据,所述垃圾分类装置用于执行如权利要求1-6中任意一项所述的垃圾分类方法。

8.如权利要求7所述的智能垃圾桶,其特征在于,还包括设置于所述盖板上的压力传感器,所述压力传感器用于检测所述盖板是否存在超过阈值大小的压力值。

9.如权利要求8所述的智能垃圾桶,其特征在于,所述垃圾分类装置还用于,在所述压力传感器检测到的压力值超过阈值大小时,控制所述盖板打开。

10.如权利要求7所述的智能垃圾桶,还包括设置在每一所述垃圾收集装置上的红外探测器,所述红外探测器用于通过红外光探测每一所述垃圾收集装置的垃圾容量是否达到预设值。

下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。

该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于广州软件学院,未经广州软件学院许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服

本文链接:http://www.vipzhuanli.com/pat/books/202110459712.X/1.html,转载请声明来源钻瓜专利网。

×

专利文献下载

说明:

1、专利原文基于中国国家知识产权局专利说明书;

2、支持发明专利 、实用新型专利、外观设计专利(升级中);

3、专利数据每周两次同步更新,支持Adobe PDF格式;

4、内容包括专利技术的结构示意图流程工艺图技术构造图

5、已全新升级为极速版,下载速度显著提升!欢迎使用!

请您登陆后,进行下载,点击【登陆】 【注册】

关于我们 寻求报道 投稿须知 广告合作 版权声明 网站地图 友情链接 企业标识 联系我们

钻瓜专利网在线咨询

周一至周五 9:00-18:00

咨询在线客服咨询在线客服
tel code back_top