[发明专利]一种垃圾分类方法及智能垃圾桶

说明书

本发明公开了一种垃圾分类方法及智能垃圾桶，分类方法包括：获取基础数据集，并对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，将预处理数据集和垃圾分类标签输入至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，并将图像数据输入至垃圾训练模型中进行特征提取，得到待分类垃圾对应的垃圾特征；将垃圾特征与垃圾训练模型中的特征进行匹配，根据匹配结果得到待分类垃圾的分类结果。本发明实施例在获取到大量的预处理数据后，选取预训练模型进行迁移学习构建垃圾训练模型，并通过垃圾训练模型对待分类垃圾进行特征提取以及匹配，能够全面识别生活中的多种垃圾，从而能够有效提高垃圾分类的效果。

技术领域

本发明涉及垃圾分类技术领域，尤其是涉及一种垃圾分类方法及智能垃圾桶。

背景技术

随着经济的发展，人民的生活水平也逐渐提高，随之产生的垃圾产量如喷发式地剧增。垃圾分类回收问题已日益严峻，垃圾分类回收已逐渐成为居民日常生活中不可或缺的一环。然而，目前的垃圾分类效果并不明显，主要包括两方面的原因，一方面是国内缺乏对垃圾分类回收的宣传和普及教育；另一方面是人们对垃圾分类的知识不够完备。因此，如何有效地对垃圾进行分类，以提高垃圾的利用率以及降低垃圾的污染，显得尤为重要。现有的垃圾分类方法仅能识别固定形状的垃圾，无法全面识别生活中的多种垃圾，导致垃圾分类的效果较差。

发明内容

本发明提供一种垃圾分类方法及智能垃圾桶，以解决现有的垃圾分类方法仅能识别固定形状的垃圾，无法全面识别生活中的多种垃圾，导致垃圾分类的效果较差的技术问题。

本发明的第一实施例提供了一种垃圾分类方法，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。

进一步的，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。

进一步的，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。

进一步的，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。

进一步的，所述垃圾分类方法还包括：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。

进一步的，所述分类标签包括可回收垃圾、不可回收垃圾和其他垃圾。