一种垃圾检测方法及装置制造方法及图纸

本发明专利技术提供了一种垃圾检测方法及装置，涉及图像处理及环境检测技术领域。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大于预设相似阈值，然后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。所述垃圾检测方法通过图像处理和神经网络模型进行垃圾的自动检测、识别和报警，提高了垃圾检测的效率和准确性，降低了人工成本。

A Garbage Detection Method and Device

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。综合第一方面，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。综合第一方面，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。综合第一方面，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。综合第一方面，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型的原始模型进行垃圾分类任务的预训练，根据所述预训练得到的模型参数值获得所述卷积神经网络物体检测模型的初始模型；采用所述训练集对所述初始模型进行参数调优，获得卷积神经网络物体检测模型。综合第一方面，在所述确定所述第一区域存在垃圾之后，所述垃圾检测方法还包括：根据所述垃圾图像中垃圾的位置、种类和大小确定垃圾警报的等级；向预设对象发出对应等级的垃圾警报。综合第一方面，在所述根据所述垃圾图像中垃圾的位置、种类和大小确定垃圾警报的等级之前，所述垃圾检测方法还包括：将所述待检测图像划分为多个分区，每个分区分别对应不同的垃圾位置权重值l，识别所述垃圾在所述待检测图像中对应位置的分区，获得所述分区对应的垃圾位置权重值l；计算所述垃圾图像与所述待检测图像大小的比值s；将不同的垃圾种类对应设置不同的垃圾类别值c，采用深度网络模型识别所述垃圾图像中的垃圾种类；通过垃圾警报等级公式θ＝c·(l+s)获得所述垃圾的垃圾等级参数θ，根据所述垃圾等级参数θ所属阈值区间确定垃圾警报的等级。第二方面，本专利技术实施例提供了一种垃圾检测装置，所述垃圾检测装置包括图像获取模块、特征提取模块、相似度判断模块和垃圾判断模块。所述图像获取模块用于获取第一区域在待检测情况下的待检测图像。所述特征提取模块用于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。所述相似度判断模块用于确定所述第一特征向量和所述第二特征向量的相似度大于预设相似阈值。所述垃圾判断模块用于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，进一步确定垃圾类别。综合第二方面，所述垃圾检测装置还包括训练样本获取模块、训练集获取模块和卷积神经网络物体检测模型训练模块。所述训练样本获取模块用于分别获取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。所述训练集获取模块用于对所述训练样本进行数据扩充后获得训练集。所述卷积神经网络物体检测模型训练模块用于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。综合第二方面，所述垃圾检测装置还包括位置权重值计算模块、图像大小计算模块、垃圾种类识别模块和垃圾警报等级确定模块。所述位置权重值计算模块用于将所述待检测图像划分为多个分区，每个分区分别对应不同的垃圾位置权重值l，识别所述垃圾在所述待检测图像中对应位置的分区，获得所述分区对应的垃圾位置权重值l。所述图像大小计算模块用于计算所述垃圾图像与所述待检测图像大小的比值s。所述垃圾种类识别模块，用于将不同的垃圾种类对应设置不同的垃圾类别值c，采用深度网络模型识别所述垃圾图像中的垃圾种类。所述垃圾警报等级确定模块用于通过垃圾警报等级公式θ＝c·(l+s)获得所述垃圾的垃圾等级参数θ，根据所述垃圾等级参数θ所属阈值区间确定垃圾警报的等级。第三方面，本专利技术实施例还提供了一种存储介质，所述存储介质存储于计算机内，所述存储介质包括多条指令，所述多条指令被设置成使得所述计算机执行上述的方法。本专利技术提供的有益效果是：本专利技术提供了一种垃圾检测方法，所述垃圾检测方法使用第一区域在无垃圾情况下的图像作为基准图像和后续采集的需要进行垃圾检测的待检测图像进行图像处理，基于图像处理和神经网络模型通过计算机自动进行垃圾检测，提高了垃圾检测的效率和准确性，减少了人工成本。其中，所述垃圾检测方法在采用神经网络模型进行垃圾图像判断前，还对所述基准图像和所述待检测图像的特征向量相似度进行对比，确定所述相似度小于预设阈值时才执行所述垃圾图像判断，避免直接采用神经网络模型进行垃圾图像判断而浪费大量的计算资源，进一步提高了所述垃圾检测的效率和资源利用率。同时，采用卷积神经网络物体检测模型对所述待检测图像中是否存在垃圾图像进行判断，能够通过卷积神经网络物体检测模型中的边框回归对所述待检测图像中的垃圾图像进行识别和框选，提高了垃圾检测的精确度。本专利技术的其他特征和优点将在随后的说明书阐述，并且，部分地从说明书中变得显而易见，或者通过实施本专利技术实施例了解。本专利技术的目的和其他优点可通过在所写的说明书、权利要求书、以及附图中所特别指出的结构来实现和获得。附图说明为了更清楚地说明本专利技术实施例的技术方案，下面将对实施例中所需要使用的附图作简单地介绍，应当理解，以下附图仅示出了本专利技术的某些实施例，因此不应被看作是对范围的限定，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他相关的附图。图1为本专利技术第一实施例提供的一种垃圾检测方法的流程示意图；图2为本发本文档来自技高网...

【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