[发明专利]基于单次人手示教的垃圾分类方法、装置及分拣智能系统有效

专利信息
申请号: 202111593222.5 申请日: 2021-12-24
公开(公告)号: CN113971746B 公开(公告)日: 2022-03-11
发明(设计)人: 彭悦言;高翔;杨旭韵;李伟;温志庆 申请(专利权)人: 季华实验室
主分类号: G06V10/764 分类号: G06V10/764;G06V10/82;G06K9/62;G06N3/04;G06N3/08;B07C5/36
代理公司: 北京开阳星知识产权代理有限公司 11710 代理人: 李晶
地址: 528200 广东省*** 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: 基于 人手 垃圾 分类 方法 装置 分拣 智能 系统
【说明书】:

本公开涉及目标检测领域,具体涉及基于单次人手示教的垃圾分类方法、装置及分拣智能系统,利用垃圾类别基础数据集对元学习目标检测基础网络进行训练,利用单一新物体多角度数据对元学习目标检测基础网络进行强化训练,及新加类别强化训练,使元学习目标检测基础网络快速学习以获取垃圾的物体类别信息和位置信息,通过单次人手示教对垃圾分类网络进行训练使垃圾分类网络学习将待抓取垃圾抓取至对应的垃圾分类桶,利用垃圾抓取基础数据集对抓取网络进行训练以使抓取网络学习用于抓取待抓取垃圾的抓取位姿,并根据抓取位姿控制将待抓取垃圾抓取至对应垃圾分类桶。通过本公开技术方案,提升垃圾分拣效率,改善工人工作环境,操作方便且鲁棒性强。

技术领域

本公开涉及目标检测领域,尤其涉及一种基于单次人手示教的垃圾分类方法、装置及分拣智能系统。

背景技术

在高度提倡文明的当今社会,垃圾分类成为了不可避免的议题。尽管大部分人可以做到自觉遵守相关规定,分类投放垃圾,仍有部分因大意或概念不清导致的垃圾错误分类扔掷情况,这无疑大大加重了环保工人的负担。

每户每天产生的垃圾较多,且垃圾站环境恶劣,工人逐个分拣较为困难;而日常产生的垃圾种类繁多,外表特征各异,普通的深度神经网络需对同样样本的多角度采样方可识别分类定位,效率低,且远程实现困难。

发明内容

为了解决上述技术问题或者至少部分地解决上述技术问题,本公开提供了一种基于单次人手示教的垃圾分类方法、装置及分拣智能系统,提升垃圾分拣效率,改善工人工作环境,操作方便且鲁棒性强。

第一方面,本公开提供了一种基于少样本的目标检测方法,包括:

利用垃圾类别基础数据集对元学习目标检测基础网络进行训练,利用单一新物体多角度数据对所述元学习目标检测基础网络进行强化训练,及新加类别强化训练,以使所述元学习目标检测基础网络快速学习以获取垃圾的物体类别信息和位置信息;

通过单次人手示教对垃圾分类网络进行训练以使所述垃圾分类网络学习将待抓取垃圾抓取至对应的垃圾分类桶;

利用垃圾抓取基础数据集对抓取网络进行训练以使所述抓取网络学习用于抓取待抓取垃圾的抓取位姿,并根据所述抓取位姿控制将待抓取垃圾抓取至对应的垃圾分类桶。

可选地,利用垃圾类别基础数据集对元学习目标检测基础网络进行训练,利用单一新物体多角度数据对所述元学习目标检测基础网络进行强化训练,及新加类别强化训练,以使所述元学习目标检测基础网络快速学习以获取垃圾的物体类别信息和位置信息,包括:

获取输入图片的特征图并获取所述特征图的划分区域;

根据所述划分区域并采用注意力机制生成垃圾候选区域;

根据所述垃圾候选区域获取垃圾的物体类别信息和位置信息。

可选地,利用垃圾类别基础数据集对元学习目标检测基础网络进行训练以使所述元学习目标检测基础网络学习获取垃圾的物体类别信息和位置信息,还包括:

多角度并行计算参考垃圾与训练垃圾的相似度以强化同类垃圾的特征关联性。

可选地,通过单次人手示教对垃圾分类网络进行训练以使所述垃圾分类网络学习将待抓取垃圾抓取至对应的垃圾分类桶,包括:

通过不同卷积核提取待抓取垃圾的分类标识特征;

对所述垃圾分类桶进行定位;

识别人手。

可选地,通过单次人手示教对垃圾分类网络进行训练以使所述垃圾分类网络学习将待抓取垃圾抓取至对应的垃圾分类桶,包括:

通过实时人手示教对垃圾分类网络进行训练以使所述垃圾分类网络学习将待抓取垃圾抓取至对应的垃圾分类桶;或者,

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季华实验室,未经季华实验室许可,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/202111593222.5/2.html,转载请声明来源钻瓜专利网。

同类专利
专利分类
×

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