The invention provides a garbage detection method and device, which relates to the technical field of image processing and environmental detection. The garbage detection method first collects the image to be detected in the first area under the condition of being detected, extracts the feature of the reference image in the first area without garbage to obtain the first feature vector, extracts the feature of the image to be detected to obtain the second feature vector, and determines the first feature vector and its location. The similarity of the second eigenvector is greater than the preset similarity threshold. Then the convolution neural network object detection model is used to determine whether there is garbage image in the image to be detected. If so, the garbage in the first region is determined. The garbage detection method improves the efficiency and accuracy of garbage detection and reduces the labor cost by automatically detecting, identifying and alarming garbage through image processing and neural network model.
【技术实现步骤摘要】
一种垃圾检测方法及装置
本专利技术涉及图像处理及环境检测
,具体而言,涉及一种垃圾检测方法及装置。
技术介绍
随着城镇化速度的加快和人口规模的持续增长,小区的规模逐渐扩大,小区的入住率也迅速提高,而人口密集度增大则对小区环境带来了巨大的挑战。维护小区整洁,保持优美的环境变得尤为重要。小区环境成为小区整体形象的综合体现,直接影响着居民的生活品质和身体健康。而小区垃圾是影响小区环境的一个关键要素,小区路面的垃圾监测与整洁度评价成为小区相关管理部门日常工作的重要内容。目前小区路面垃圾监测与评价主要靠专人人工巡查并拍照登记。这种人工的检测方法需要耗费大量的人力物力,并且受天气、人员休假与工作时间等各种外界因素的影响,存在效率低、可能存在错误登记、人力成本高的问题。
技术实现思路
有鉴于此,本专利技术实施例的目的在于提供一种垃圾检测方法及装置,以解决上述现有人工垃圾检测方法中存在的效率低、可能存在错误登记、人力成本高的问题。第一方面,本专利技术实施例提供了一种垃圾检测方法,所述垃圾检测方法首先采集第一区域在待检测情况下的待检测图像,对所述第一区域在无垃圾情况下的基准图像进行特征提取获得第一特征向量,对所述待检测图像进行特征提取获得第二特征向量,确定所述第一特征向量和所述第二特征向量的相似度小于预设相似阈值,采用卷积神经网络物体检测模型判断所述待检测图像中是否存在垃圾图像,若是,确定所述第一区域存在垃圾。综合第一方面,在所述对所述第一区域在无垃圾情况下的基准图像进行特征提取获得第一特征向量之前,所述垃圾检测方法还包括:采集所述第一区域在无垃圾情况下的基准图像。综合第 ...
【技术保护点】
1.一种垃圾检测方法,其特征在于,所述垃圾检测方法包括:采集第一区域在待检测情况下的待检测图像;对所述第一区域在无垃圾情况下的基准图像进行特征提取获得第一特征向量,对所述待检测图像进行特征提取获得第二特征向量;确定所述第一特征向量和所述第二特征向量的相似度小于预设相似阈值;采用卷积神经网络物体检测模型判断所述待检测图像中是否存在垃圾图像,若是,确定所述第一区域存在垃圾。
【技术特征摘要】
1.一种垃圾检测方法,其特征在于,所述垃圾检测方法包括:采集第一区域在待检测情况下的待检测图像;对所述第一区域在无垃圾情况下的基准图像进行特征提取获得第一特征向量,对所述待检测图像进行特征提取获得第二特征向量;确定所述第一特征向量和所述第二特征向量的相似度小于预设相似阈值;采用卷积神经网络物体检测模型判断所述待检测图像中是否存在垃圾图像,若是,确定所述第一区域存在垃圾。2.根据权利要求1所述的垃圾检测方法,其特征在于,在所述对所述第一区域在无垃圾情况下的基准图像进行特征提取获得第一特征向量之前,所述垃圾检测方法还包括:采集所述第一区域在无垃圾情况下的基准图像。3.根据权利要求1所述的垃圾检测方法,其特征在于,在所述采集第一区域在待检测情况下的待检测图像之后,以及所述对所述第一区域在无垃圾情况下的基准图像进行特征提取获得第一特征向量,对所述待检测图像进行特征提取获得第二特征向量之前,所述垃圾检测方法还包括:对所述基准图像和所述待检测图像进行大小归一化处理。4.根据权利要求1所述的垃圾检测方法,其特征在于,在所述采用卷积神经网络物体检测模型判断所述待检测图像中是否存在垃圾图像之前,所述垃圾检测方法还包括:分别采集多幅所述第一区域在无垃圾情况下和有垃圾情况下的图像作为训练样本;对所述训练样本进行数据扩充后获得训练集;基于所述训练集进行卷积神经网络物体检测模型训练,获得卷积神经网络物体检测模型。5.根据权利要求4所述的垃圾检测方法,其特征在于,所述对所述训练样本进行数据扩充后获得训练集,包括:对所述训练样本进行镜像、反转、剪裁、颜色扰动的数据扩充后获得训练集。6.根据权利要求4所述的垃圾检测方法,其特征在于,所述基于所述训练集进行卷积神经网络物体检测模型训练,包括:在ImageNet数据集上对卷积神经网络物体检测模...
【专利技术属性】
技术研发人员:廖海斌,肖春红,
申请(专利权)人:贵州宜行智通科技有限公司,
类型:发明
国别省市:贵州,52
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。