[发明专利]一种基于深度学习的垃圾分类与识别的方法及系统

说明书

本发明公开了一种基于深度学习的垃圾分类与识别的方法及系统，该方法包括获取包含多种类垃圾图像的数据集；对数据集中的图像进行预处理，并将预处理好的数据集划分为训练集和测试集；选择ResNet‑50网络结构作为预训练模型，采用迁移学习的方式对预训练模型进行训练及微调；在微调后的预训练模型中引入CBAM注意力机制模块，构建垃圾分类模型；对垃圾分类模型进行性能分析；该系统包括图像预处理模块、模型训练模块、模型分析模块。本发明解决了现有技术垃圾分类识别的方法中需要大量的人力物力去设计和调整图像参数、处理高维数据时表现不佳，难以胜任大规模图片分类任务的问题。

技术领域

本发明涉及图像分类与识别，特别是涉及一种基于深度学习的垃圾分类与识别的方法及系统。

背景技术

随着生活垃圾的产量不断增加，垃圾处理变得越来越重要和困难。为了避免垃圾不合理堆放和解决传统的垃圾焚烧填埋对环境造成的污染和土壤恶化，我们需要更好地处理垃圾，即将其进行分类回收。正确分类回收垃圾可以有效地节约资源并实现资源的再利用，同时还能显著提高垃圾处理效率、减少环境污染并改善生态环境。因此，垃圾分类回收利用是未来发展的趋势。

现有技术中垃圾分类识别方法常用的有图像分类算法、机器学习方法；图像分类算法一般是经过对图像的底层特征进行特征提取、对于提取出来的图像特征进行编码、设计分类器进行图像类别的划分，该算法是基于图像本身的特征进行提取，在特征提取后进行降维等特征处理，再通过相应分类器进行类别区分判断，这种方法需要大量的人力物力去设计和调整图像参数。

使用传统的机器学习算法，如支持向量机、随机森林等，从数据中提取特征，通过训练分类器进行垃圾分类，这种方法需要手动设计特征工程，对于不同类型的垃圾需要采用不同的特征表示方法，同时传统机器学习算法在处理高维数据时表现不佳，难以胜任大规模图片分类任务。

发明内容

发明目的：本发明的目的是提供一种高性能、泛化能力强、准确率高的基于深度学习的垃圾分类与识别的方法及系统，

技术方案：为实现上述目的，本发明所述的一种基于深度学习的垃圾分类与识别的方法，包括以下步骤：

步骤S1：获取包含多种类垃圾图像的数据集；

步骤S2：对数据集中的图像进行预处理，并将预处理好的数据集划分为训练集和测试集；

步骤S3：选择ResNet-50网络结构作为预训练模型，采用迁移学习的方式对预训练模型进行训练及微调；

步骤S4：在微调后的预训练模型中引入CBAM注意力机制模块，构建垃圾分类模型；

步骤S5：对垃圾分类模型进行性能分析。

其中，步骤S2所述的对数据集中的图像进行预处理，包括数据标注、数据分析、图像缩放裁剪、图像数据标准化、数据增广；

其中，数据标注是指对数据集中每张图像进行分类和编号；

数据分析是指去除掉垃圾数据集中，因图像种类、长宽差异性及拍摄环境不同导致整体数据不均匀、质量差的图像；

图像数据标准化是指对图像进行归一化操作，把不同维度的特征值调整到相近的范围内；

数据增广是指对数据集进行扩充，以增加数据集内图像数量。

其中所述的归一化操作为：

式中，output为图像像素值输出，input为图像像素值输入，max与min为最大像素值与最小像素值，经过归一化处理，将图像的像素值调整到(0,1)区间内。

其中，所述的数据增广包括采用颜色增强、水平翻转、垂直翻转、图像锐化、高斯噪声以及高斯模糊对垃圾数据集内图像进行变换操作。