[发明专利]一种用于饮料瓶分类回收的识别方法及系统

说明书

本发明提供一种用于饮料瓶分类回收的识别方法，其包括采集饮料瓶的原始图像，对原始图像依次进行预处理、标注处理和数据增强处理，将处理后的原始图像划分为训练集和测试集，然后使用训练集和测试集对实例分割模型进行微调阶段参数训练得到训练好的实例分割模型，使用训练好的实例分割模型预测原始图像，得到每个饮料瓶的轮廓，再根据各饮料瓶的轮廓对各饮料瓶的原始图像进行抠图处理，得到各饮料瓶的特征图像，提取各特征图像上的各特征的平均值，并以平均值作为输入特征来训练机器学习模型，得到训练好的机器学习模型。借此，可以实现饮料瓶的准确分类回收，解决相近颜色的饮料瓶在回收过程容易混淆识别的问题。

技术领域

本发明涉及饮料瓶分类回收技术领域，特别涉及一种用于饮料瓶分类回收的识别方法及系统。

背景技术

饮料瓶是生活中使用最广泛的塑料制品之一，饮料瓶的材质大部分是PET，将废弃的饮料瓶回收再利用，能够有效减少饮料瓶对环境的污染和资源浪费，促进资源的循环利用。目前，饮料瓶的回收过程中需要将饮料瓶按照颜色进行分类，便于再生成不同颜色的塑料，最大化回收效益。

传统的饮料瓶回收过程中，需要人工从混合生活垃圾中挑选出饮料瓶，分选过程中工人工作量大，工作环境恶劣，不利于对废弃饮料瓶进行大规模的回收利用。目前已有基于饮料瓶彩色图像的自动化分选设备，其通过深度学习的方法识别出饮料瓶，这种方法需要大量人工标注的训练样本数据，存在检测精度低的问题，特别是对于饮料瓶颜色相近的目标(如透明和浅蓝)分类效果较差。其中，对于脱标后的饮料瓶，使用颜色识别的方法，需要先使用阈值分割提取饮料瓶的轮廓，对饮料瓶进行定位。实际的分选工况中受复杂背景和光线变化等因素的影响，使得阈值分割无法较好的提取出饮料瓶的轮廓，进而影响颜色识别的准确性。

因此，如何能够精准对饮料瓶进行分类回收已成为本领域技术人员亟待解决的技术难题。

发明内容

本发明提供一种用于饮料瓶分类回收的识别方法，其包括包括下列步骤：S100：采集所述饮料瓶的原始图像；S200：对采集到的所述原始图像进行预处理；S300：对预处理后的所述原始图像进行标注处理；S400：对标注后的所述原始图像进行数据增强处理；S500：将数据增强处理后的所述原始图像划分为训练集和测试集，基于迁移学习的方式加载实例分割模型，然后使用所述训练集和所述测试集对所述实例分割模型进行微调阶段参数训练，接着以平均精度均值为指标评价所述实例分割模型以得到训练好的实例分割模型；S600：使用所述训练好的实例分割模型预测所述原始图像，得到每个饮料瓶的轮廓，再根据各饮料瓶的轮廓对各饮料瓶的原始图像进行抠图处理，得到各饮料瓶的特征图像，并存储所述特征图像；S700：提取各所述特征图像上的各特征的平均值，并以所述平均值作为输入特征来训练机器学习模型；S800：评价所述机器学习模型以得到训练好的机器学习模型。

在一实施例中，在完成步骤S800之后还包括下列步骤：S900：将所述训练好的实例分割模型和所述训练好的机器学习模型导出，再对所述训练好的实例分割模型和所述训练好的机器学习模型进行部署

在一实施例中，在所述步骤S100中，是通过工业相机采集脱标饮料瓶的原始图像。

在一实施例中，在所述步骤S200中，所述预处理包括图像裁剪处理和图像缩放处理。

在一实施例中，在所述步骤S300中，所述标注处理为语义标注处理，标注格式为COCO格式。

在一实施例中，在所述步骤S400中，所述数据增强处理包括图像翻转和图像复制。

在一实施例中，在所述步骤S500中，所述训练集和所述测试集的数量比例为7：3，加载的实例分割模型采用Mask R-CNN架构。