废纸分类器建立装置及方法、废纸分类系统及方法制造方法及图纸

本发明专利技术涉及废纸回收技术领域，尤其涉及一种废纸图像分类器的建立装置及其建立方法，还涉及一种废纸自动分类系统及其分类方法。其中废纸图像分类器的建立方法包括：S1：建立样本库，所述样本库内存储有多种废纸样本图像以及与相应的所述废纸样本图像对应的分类等级，所述废纸样本图像包括不同类别的废纸所对应的样本图像；S2:构建CNN图像分类模型；S3:在所述样本库中随机抽取废纸样本图像对所述CNN图像分类模型进行训练，得到废纸分类模型，即废纸图像分类器。本发明专利技术所提供的废纸图像分类器及其建立方法、废纸分类系统及其分类方法相较于传统的图像分类方法，大大提高了废纸分类的效率，且准确率高。

Waste paper classifier establishment device and method, waste paper classification system and method

The invention relates to the technical field of waste paper recovery, in particular to a device for establishing a waste paper image classifier and its establishment method, and also involves an automatic classification system for waste paper and its classification method. The method of building the waste paper image classifier includes: S1: setting up a sample library, storing a variety of waste paper samples in the sample library and the classification level corresponding to the corresponding waste paper sample images. The waste paper sample image includes the sample images of different categories of waste paper, and S2: constructs the CNN image classification model. S3: in the sample library randomly selected the waste paper sample image to train the CNN image classification model, and got the waste paper classification model, that is, the waste paper image classifier. The waste paper image classifier and its establishment method, the waste paper classification system and the classification method are compared with the traditional image classification method, which greatly improves the efficiency of the waste paper classification and has high accuracy.

【技术实现步骤摘要】
废纸分类器建立装置及方法、废纸分类系统及方法
本专利技术涉及废纸回收
，尤其涉及一种废纸图像分类器的建立装置及其建立方法，还涉及一种废纸自动分类系统及其分类方法。
技术介绍
近些年来，图像分类在模式识别领域占据着重要的地位。迅速增长的图像数据对于图像信息的分析与处理提出了新的要求。卷积神经网络应运而生，以其强大的图像识别分类能力被广泛的应用于各种图像分类系统，并取得了十分显著的效果。而在废纸回收领域，目前还沿用着传统的人工分类方法，人工分类方式不仅效率低下，而且带有很大的主观性，浪费大量的人力及时间资源，且乱评、错评现像环生。所以，亟需一种代替人进行废纸回收分类的技术。
技术实现思路
(一)要解决的技术问题本专利技术的一个目的是提供一种废纸图像分类器的建立方法，以提高废纸分类的准确率和效率；本专利技术的另一个目的是提供一种利用上述的废纸图像分类器的分类方法，以提高废纸分类的准确率和效率；本专利技术的再一个目的是提供一种废纸图像分类器的建立装置，以提高废纸分类的准确率和效率；本专利技术的又一个目的是提供一种废纸自动分类系统废纸。(二)技术方案为了解决上述技术问题，本专利技术提供了一种废纸图像分类器的建立方法，其包括：S1：建立样本库，所述样本库内存储有多种废纸样本图像以及与相应的所述废纸样本图像对应的分类等级，所述废纸样本图像包括不同类别的废纸所对应的样本图像；S2:构建CNN图像分类模型；S3:在所述样本库中随机抽取废纸样本图像对所述CNN图像分类模型进行训练，得到废纸分类模型，即废纸图像分类器。其中，在所述构建CNN图像分类模型之前对所述废纸样本图像集中的各废纸样本图像进行预处理，其中对所述废纸样本图像集中的各废纸样本图像进行预处理，包括以下至少之一：增强、复原、编码、压缩、降噪。其中，所述构建CNN图像分类模型包括：a.将预处理后的图像输入卷积神经网络中的第一个卷积层，再将结果输入到池化层；b.将上一层的输出结果输入到卷积神经网络中的子网络；c.将上一层的输出结果输入到卷积神经网络中交替分布的卷积层和池化层；d.将上一层的输出结果输入到卷积神经网络中的全连接层；e.将上一层的输出结果输入到卷积神经网络中的最后一层，即Softmax层，得到图像属于各个类别的概率；f.根据图像属于各个类别的概率，得出废纸图像分类结果。本专利技术还提供了一种根据如上所述的方法建立的废纸图像分类器的分类方法，其包括：获取待分类的废纸图像；将所述待分类的废纸图像输入所述废纸图像分类器，得到所述待分类废纸图像的分类结果。其中，还包括将所述待分类的废纸图像以及经所述废纸图像分类器所得到的其对应的分类结果上传至样本库，以供模型训练模块训练使用的步骤。其中，通过用户端将所述待分类的废纸图像上传至所述废纸图像分类器。其中，将得到的所述待分类图像的分类结果传送至用户端。本专利技术还提供了一种废纸图像分类器建立装置，其包括：样本库，所述样本库内存储有多种废纸样本图像以及与相应的所述废纸样本图像对应的分类等级，所述废纸样本图像包括不同类别的废纸所对应的样本图像；模型构造模块：通过卷积层、池化层、全连接层、批归一化层的交替运用，构建CNN图像分类模型；模型训练模块：在所述样本库中随机抽取废纸样本图像对CNN图像分类模型进行训练，以得到废纸图像分类器。如权利要求8所述的废纸图像分类器建立装置，其特征在于，还包括预处理模块，所述预处理模块用于对所述样本图像集中的废纸样本图像进行如下至少之一的预处理：增强、复原、编码、压缩、降噪。本专利技术还提供了一种废纸自动分类系统，其包括：图像采集器，用于获取待分类的废纸图像；废纸图像分类器，用于将所述待分类的废纸图像输入废纸图像分类器，得到所述待分类的废纸图像的分类结果，其中，所述废纸图像分类器由上所述的废纸分类器建立装置得到。(三)有益效果本专利技术所提供的废纸图像分类器及其建立方法、废纸分类系统及其分类方法通过采用拥有特征自主提取、自主学习的能力的卷积神经网络，并通过权值共享的方式大大减少了全连接层所需神经元的数量，简化了网络结构使其所需的计算量明显下降。相较于传统的图像分类方法，大大提高了废纸分类的效率，且准确率高。附图说明图1是根据本专利技术的一种废纸自动分类系统的流程图；图2是图1中的模型构造器的实现逻辑图。具体实施方式下面结合附图和实施例，对本专利技术的具体实施方式作进一步详细描述。以下实例用于说明本专利技术，但不用来限制本专利技术的范围。在本专利技术的描述中，需要理解的是，术语“中心”、“纵向”、“横向”、“长度”、“宽度”、“厚度”、“上”、“下”、“前”、“后”、“左”、“右”、“竖直”、“水平”、“顶”、“底”“内”、“外”、“顺时针”、“逆时针”、“轴向”、“径向”、“周向”等指示的方位或位置关系为基于附图所示的方位或位置关系，仅是为了便于描述本专利技术和简化描述，而不是指示或暗示所指的装置或元件必须具有特定的方位、以特定的方位构造和操作，因此不能理解为对本专利技术的限制。此外，术语“第一”、“第二”仅用于描述目的，而不能理解为指示或暗示相对重要性或者隐含指明所指示的技术特征的数量。由此，限定有“第一”、“第二”的特征可以明示或者隐含地包括至少一个该特征。在本专利技术的描述中，“多个”的含义是至少两个，例如两个，三个等，除非另有明确具体的限定。在本专利技术中，除非另有明确的规定和限定，术语“安装”、“相连”、“连接”、“固定”等术语应做广义理解，例如，可以是固定连接，也可以是可拆卸连接，或成一体；可以是机械连接，也可以是电连接或彼此可通讯；可以是直接相连，也可以通过中间媒介间接相连，可以是两个元件内部的连通或两个元件的相互作用关系，除非另有明确的限定。对于本领域的普通技术人员而言，可以根据具体情况理解上述术语在本专利技术中的具体含义。本专利技术提供了一种废纸图像分类器的建立方法的一个优选实施例。具体地，该废纸图像分类器的建立方法包括：S1:建立样本库，该样本库内存储有多种废纸样本图像以及与相应的所述废纸样本图像对应的分类等级，其中废纸样本图像包括不同类别的废纸所对应的样本图像。具体地，获取废纸样本图像的方式和渠道并没有限制，可以通过人工拍摄的方式获取废纸样本图像来构建样本库，也可以通过其它渠道或者方式获得，更可以将多种渠道或者方式相结合以获得足够多的样本图像以构成样本库。废纸样本图像集应包括不同类别的废纸所对应的样本图像，例如包括废纸箱、废报纸、废书刊杂志、废牛皮纸、废卡纸、废铜板纸、废页子纸、特种废纸等，其中，废纸箱对应的分类等级为A、废报纸对应的分类等级为B，废书刊杂志对应的分类等级为C；废牛皮纸对应的分类等级为D；废卡纸对应的分类等级为E,废铜版纸对应的分类等级为F、废页子纸对应的分类等级为G、特种废纸对应的分类等级为H。S2:构建CNN图像分类模型；S3:在所述样本库中随机抽取废纸样本图像对所述CNN图像分类模型进行训练，得到废纸分类模型，即废纸图像分类器。优选地，在构建CNN图像分类模型之前还需要对所述样本库中的各废纸样本图像进行预处理，其中对所述废纸样本图像集中的各废纸样本图像进行预处理，包括以下至少之一：增强、复原、编码、压缩、降噪。具体地，如图2所示，所述构建CNN图像分类模型包括a.将预处理后的图像输入卷积神经网络中的第一个卷积层，再本文档来自技高网...

【技术保护点】
1.一种废纸图像分类器的建立方法，其特征在于，包括：S1：建立样本库，所述样本库内存储有多种废纸样本图像以及与相应的所述废纸样本图像对应的分类等级，所述废纸样本图像包括不同类别的废纸所对应的样本图像；S2:构建CNN图像分类模型；S3:在所述样本库中随机抽取废纸样本图像对所述CNN图像分类模型进行训练，得到废纸分类模型，即废纸图像分类器。

【技术特征摘要】
1.一种废纸图像分类器的建立方法，其特征在于，包括：S1：建立样本库，所述样本库内存储有多种废纸样本图像以及与相应的所述废纸样本图像对应的分类等级，所述废纸样本图像包括不同类别的废纸所对应的样本图像；S2:构建CNN图像分类模型；S3:在所述样本库中随机抽取废纸样本图像对所述CNN图像分类模型进行训练，得到废纸分类模型，即废纸图像分类器。2.如权利要求1所述的建立方法，其特征在于，在所述构建CNN图像分类模型之前对所述废纸样本图像集中的各废纸样本图像进行预处理，其中对所述废纸样本图像集中的各废纸样本图像进行预处理，包括以下至少之一：增强、复原、编码、压缩、降噪。3.如权利要求2所述的建立方法，其特征在于，所述构建CNN图像分类模型包括：a.将预处理后的图像输入卷积神经网络中的第一个卷积层，再将结果输入到池化层；b.将上一层的输出结果输入到卷积神经网络中的子网络；c.将上一层的输出结果输入到卷积神经网络中交替分布的卷积层和池化层；d.将上一层的输出结果输入到卷积神经网络中的全连接层；e.将上一层的输出结果输入到卷积神经网络中的最后一层，即Softmax层，得到图像属于各个类别的概率；f.根据图像属于各个类别的概率，得出废纸图像分类结果。4.一种根据如权利要求1至3中任一项所述的方法建立的废纸图像分类器的分类方法，其特征在于，包括：获取待分类的废纸图像；将所述待分类的废纸图像输入所述废纸图像分...

【专利技术属性】
技术研发人员：张德成，孙韬，
申请(专利权)人：天津和或节能科技有限公司，
类型：发明
国别省市：天津,12