一种基于深度学习的多角度垃圾分类云平台制造技术

本发明专利技术公开了一种基于深度学习的多角度垃圾分类云平台，通过前端图像采集模块获取垃圾图片,并判断其是否能达到分类需求；通过无线高速传输模块把垃圾图像传送到垃圾分类云平台；垃圾分类云平台对垃圾图像进行识别，利用基于深度学习模型的垃圾分类模块给出分类结果，并把每次识别结果存储于云平台数据库模块；同时将分类结果传送到前端图像采集与传输模块，控制模块根据收到的分类命令对垃圾进行分类，在完成垃圾分类后，前端再传送确认指令至云平台以结束此次分类流程。本发明专利技术采用垃圾分类模块与数据库模块相结合的方式，使用分布式系统，便于深度学习模型的升级与更新，并结合多角度识别与判断技术，提升识别准确率。

【技术实现步骤摘要】
一种基于深度学习的多角度垃圾分类云平台
本专利技术涉及一种分类方法及系统，尤其涉及一种基于深度学习的多角度垃圾分类云平台。
技术介绍
当前，我国城市中生活垃圾分类在社会化、市场化等方面开始新的尝试，但覆盖面不高，分类工作推进难度较大。通过垃圾分类管理，可以最大限度地实现垃圾资源利用，减少垃圾处置量，改善环境质量。要实现垃圾分类，首要问题是垃圾分类投放，其难点是涉及主体复杂多样、点多面广，相关利益主体既有居民也有机构，既有生活消费产生的，也有经营活动产生的。就居民层面而言，既有城区分布的空间差异，也有社区物业管理水平，这些情况直接影响垃圾分类行为的实施。其次，垃圾分类收集的难点是收集活动密度低、物流成本高、二次分拣利润低。由于缺乏集中统一的规格类型，废弃物组分复杂，分类收集难以形成规模效应，平均成本高，单靠自生能力不能覆盖收集成本。在政府财政支持力度不足的情况下，垃圾分类收集难以为继，造成环境污染，浪费土地资源。现有的垃圾分类系统只能在现场分类装置上进行分类与识别工作，费时费力，系统成本高,升级维护难度较大，并且仅使用单个摄像头采集垃圾图片。本专利技术所涉及的分类系统，基于深度学习，结合云平台，使用多角度摄像头，能够对垃圾图片进行在线实时处理，大规模布设成本低，并且可以在云平台服务器对系统进行升级维护，效率更高，智能化水平有了质的飞跃。
技术实现思路
专利技术目的：有鉴于此，本专利技术的目的在于提供一种基于深度学习的多角度垃圾分类云平台，以解决目前我国垃圾回收率低这一问题。技术方案：本专利技术提供一种基于深度学习的多角度垃圾分类云平台，包括如下步骤：S10：通过前端多角度图像采集模块获取垃圾图片,并通过微控制单元模块判断其是否能达到分类需求。S20：微控制单元模块控制无线高速传输模块把垃圾图像传送到垃圾分类云平台。S30：垃圾分类云平台对接收到的垃圾图像进行识别，给出分类结果，并把每次识别结果存储于云平台数据库模块。S40：云平台给出的分类结果通过无线高速传输模块，传送到前端图像采集与传输模块，控制模块根据收到的分类命令将垃圾收集到不同垃圾桶。在完成垃圾分类任务后，前端再传送确认指令至云平台以结束此次分类流程。在其中的一个实施方式中，所述步骤S10具体为：将待分类垃圾放入指定区域内，以保证所拍摄图片均包括垃圾整体部分。利用自动对焦程序，通过微处理器控制N个(N的值取2或3或4)摄像头获取待分类垃圾不同视角(包括但不限于正视图，俯视图，侧视图等)的图片各一张。然后使用拉普拉斯算法判别图片模清晰程度。如果至少一张图片清晰度符合识别要求，微处理器控制无线传输模块将图片传送到中心服务器端云平台处理。如果本次采集的所有图片清晰度均无法符合识别要求，需要重新对垃圾进行图像采集。在其中的一个实施方式中，所述步骤S20具体为：微控制单元模块将待分类垃圾图片，通过WiFi模块或4G网络传输模块传送到垃圾分类云平台，即远端中心服务器。在其中的一个实施方式中，所述步骤S30具体为：在中心服务器端利用深度学习模型架设垃圾分类云平台，对接收到的垃圾图像进行处理，最终给出分类结果。一种垃圾分类云平台模块，包括垃圾分类模块和数据库模块，其中：垃圾分类模块：由Python语言编写，用于实现垃圾分类工作，并且能够同时处理多个前端发送的分类请求。数据库模块：选用MySQL作为数据库管理系统，实现对垃圾图片与垃圾分类模块识别结果的存储工作。所述垃圾分类模块，包括如下步骤：S50：制作垃圾分类模块所需数据集。S60：在制作完成数据集的基础上，选择合适的模型框架对该数据集进行训练以得到预训练模型。S70：使用预训练模型对新获取垃圾进行分类，给出分类结果。在其中的一个实施方式中，所述步骤S50具体为：该垃圾分类模块涉及多种不同种类垃圾：包括但不限于塑料，纸质，布料，金属等。通过使用Python语言编写的程序在互联网获取垃圾图片和对垃圾实物进行拍摄等手段，搜集每种垃圾N种(N的值取2或3或4)不同视角(包括但不限于正视图，俯视图，侧视图等)的图片各500张，即每种垃圾各500*N张图片。之后对每张图片进行预处理工作，更换每张图片背景为白色，更改图片分辨率为256*256。然后对每张图片进行贴标签工作，把每张图片对应垃圾种类保存为文本。接着从每种垃圾图片中随机选取一定数量的图片作为测试图片，其余的图片作为训练图片，从而制作成该垃圾分类模块所需数据集。在其中的一个实施方式中，所述步骤S60具体为：选择Caffe作为深度学习框架。选用GoogleNet作为垃圾分类与检测的主要训练模型，主要参数设定如下：设定test_iter(测试迭代次数)为100，test_interval(测试间隔次数)为1000,base_lr(基础学习率)为0.001，mometum(冲量)为0.9，max_iter(最大迭代次数)为6000。在该参数设定的前提下完成训练，得到相应种类垃圾N种(N的值取2或3或4)不同视角(包括但不限于正视图，俯视图，侧视图等)的预训练模型各一个，可用于垃圾分类模块。在其中的一个实施方式中，所述步骤S70具体为：在步骤S60得到训练完毕的预训练模型后，使用Python语言编写垃圾分类程序，部署于中心服务器。使用分类程序，通过识别接收到的该垃圾M张图片对其进行分类，得到M*N个输出结果及其判断结果的概率，选取其中概率值最大的结果作为最终的分类结果。所述数据库模块，选用MySQL作为数据库管理系统，架设于云平台中心服务器。根据所述的垃圾分类程序，使用该数据库模块存储每一张图片的输入及输出结果，包括拍摄该垃圾图片的前端摄像头ID编号，该摄像头拍摄的垃圾图片，该图片通过不同角度识别程序输出的分类结果及其对应概率。可实现对每次处理结果的存储，并为后续优化垃圾分类模块所需数据集和预训练模型打下基础。有益效果：本专利技术采用的技术方案具有以下优点：1.采用分布式系统设计，所有分类识别过程均在远端云平台进行，前端仅需架设图像采集与传输模块即可，从而降低系统硬件成本，便于对该系统的升级维护工作。2.采用多角度识别技术，通过拍摄待分类垃圾的多个不同角度图片，从而提升采集垃圾图片的可靠性，提升垃圾分类的准确性。3.采用垃圾分类模块与数据库模块相结合的方式，可不断获取新的垃圾图片，扩充并优化垃圾分类模块所需数据集，并能记录下每次分类的输入与输出结果从而达到优化训练模型，提升识别准确率的目的。附图说明图1为本专利技术实施例所述的智能垃圾分类云平台流程图；图2为本专利技术实施例所述的垃圾分类模块流程图；图3为本专利技术实施例所述的基于深度学习的多角度垃圾分类云平台示意图。具体实施方式下面将对本专利技术实施例中的技术方案进行清楚、完整地描述，以使本领域的技术人员能够更好的理解本专利技术的优点和特征，从而对本专利技术的保护范围做出更为清楚的界定。本专利技术所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例，基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动的前提下所获得的所有其他实施例，都属于本专利技术保护的范围。图1为本专利技术实施例所述的智能垃圾分类云平台流程图，如图1所示，该方法包括如下步骤：S10：通过前端多角度图像采集模块获取垃圾图片,并通过微控制单元模块判断其是否能达到分类需求。S20：微控制单元本文档来自技高网...

【技术保护点】
1.一种基于深度学习的多角度垃圾分类云平台，其特征在于：包括如下步骤：S10：通过前端图像采集模块获取垃圾图片,并通过微控制单元模块判断其是否能达到分类需求；S20：微控制单元模块控制无线高速传输模块把垃圾图像传送到垃圾分类云平台；S30：垃圾分类云平台对垃圾图像进行识别，给出分类结果，并把每次识别结果存储于云平台服务器模块；S40：云平台给出的分类结果通过无线高速传输模块，传送到前端图像采集与传输模块，控制模块根据收到的分类命令将垃圾收集到不同垃圾桶，在完成垃圾分类任务后，前端再传送确认指令至云平台以结束此次分类流程。

【技术特征摘要】
1.一种基于深度学习的多角度垃圾分类云平台，其特征在于：包括如下步骤：S10：通过前端图像采集模块获取垃圾图片,并通过微控制单元模块判断其是否能达到分类需求；S20：微控制单元模块控制无线高速传输模块把垃圾图像传送到垃圾分类云平台；S30：垃圾分类云平台对垃圾图像进行识别，给出分类结果，并把每次识别结果存储于云平台服务器模块；S40：云平台给出的分类结果通过无线高速传输模块，传送到前端图像采集与传输模块，控制模块根据收到的分类命令将垃圾收集到不同垃圾桶，在完成垃圾分类任务后，前端再传送确认指令至云平台以结束此次分类流程。2.根据权利要求1所述的基于深度学习的多角度垃圾分类云平台，其特征在于，所述的步骤S10的具体操作为：(1).将待分类垃圾放入指定区域内，以保证所拍摄图片均包括垃圾整体部分；(2).利用自动对焦程序，通过微处理器控制N个(N的值取2或3或4)摄像头获取待分类垃圾不同视角(包括但不限于正视图，俯视图，侧视图等)的图片各一张；(3).然后使用拉普拉斯算法判别图片模清晰程度，如果至少一张图片清晰度符合识别要求，微处理器控制无线传输模块将图片传送到中心服务器端云平台处理；如果本次采集的所有图片清晰度均无法符合识别要求，需要重新对垃圾进行图像采集。3.根据权利要求1所述的基于深度学习的多角度垃圾分类云平台，其特征在于：所述的步骤S20的具体操作为：微控制单元模块将待分类垃圾图片，通过WiFi模块或4G网络传输模块传送到垃圾分类云平台，即远端中心服务器。4.根据权利要求1所述的基于深度学习的多角度垃圾分类云平台，其特征在于：所述的步骤S30的具体操作为：利用深度学习模型在中心服务器端架设垃圾分类云平台，对接收到的垃圾图像进行处理，最终给出分类结果，并把每次识别结果存储于云平台服务器模块。5.根据权利要求4所述的基于深度学习的多角度垃圾分类云平台，其特征在于：所述的云平台服务器模块包括如下模块：垃圾分类模块：由Python语言编写，可实现同时垃圾进行分类工作；数据库模块：选用MySQL作为数据库管理系统，实现对垃圾图片与垃圾分类模块识别结果的存储工作；所述的垃圾分类云平台先将获得的垃圾图片通过垃圾分类模块进行处理，随后把每次识别结果存储于云平台数据库模块。6.根据权利要求5所述的基于深度学习的多角度垃圾分类云平台，其特征在于：所述的垃圾分类模块中进行分类工作的具体步骤如下：S50：制作垃圾分类模块所需数据集；S60：在制作完成数据集的基础上，选择合适的模型框...

【专利技术属性】
技术研发人员：孙强，朱晏民，张再峰，徐爱兰，王珏，徐晨，黄倩雯，葛远远，
申请(专利权)人：南通大学，江苏省南通环境监测中心，
类型：发明
国别省市：江苏,32