一种基于深度学习的垃圾分类评价方法、装置和存储介质制造方法及图纸

本发明专利技术公开了一种基于深度学习的垃圾分类评价方法、装置、设备和存储介质。获取投放的垃圾图像；将获取的垃圾图像输入进已经过训练的卷积神经网络模型进行识别分类；将识别分类后的结果进行评分计算，并将图像上投放了错误垃圾的部分进行标记；将计算后的评分结果和被标记的图像输出至显示模块。通过对垃圾当次投放的图像进行评分，并对相应错误的部分进行标记，把评分结果和标记后的图像再显示模块上显示，能够及时给予垃圾投放用户及时反馈当次分类投放垃圾是否正确的信息，让垃圾投放用户能够第一时间了解垃圾投放错误的部分，可以有针对性地补充相关的垃圾分类知识。

A garbage classification evaluation method, device and storage medium based on deep learning

The invention discloses a garbage classification evaluation method, device, device and storage medium based on deep learning. Obtain the garbage image; input the garbage image into the trained convolutional neural network model for recognition and classification; score the result after recognition and classification, and mark the part of the image with the wrong garbage; output the calculated score result and the marked image to the display module. By scoring the images of the garbage in the current time and marking the corresponding wrong parts, and displaying the scoring results and the marked images on the display module, the garbage users can be given timely feedback on whether the garbage in the current time is correctly classified, so that the garbage users can understand the wrong parts of the garbage in the first time, and can be targeted Supplement the relevant garbage classification knowledge.

【技术实现步骤摘要】
一种基于深度学习的垃圾分类评价方法、装置和存储介质
本专利技术涉及垃圾分类回收领域，特别涉及一种基于深度学习的垃圾分类评价方法、装置、设备和存储介质。
技术介绍
目前，为了环境的可持续发展，对人们分类投放垃圾的要求也在不断提高，为了提高管理部门垃圾回收和处理的效率，垃圾分成的类别也越来越细。一般情况下，人们对投放的垃圾先按相关部门的分类标准进行分类，然后再投放到相应类别的垃圾回收装置中。但是人们在投放垃圾的时候，并不是每次都能很好地按照垃圾分类的标准进行分类投放，为了解决这样的问题，通常会在垃圾回收的地方设置人工指导员，负责检查人们投放的垃圾分类是否正确，并对错误分类的行为进行纠正指导。但是这样的方法效率低下，在同一时间如果有多人需要进行垃圾分类投放时，会耗费人们很多时间。在现有技术中，也有提出一些智能的垃圾回收方案，即先对投放垃圾的个人先进行某种身份认证，然后通过图像识别的方式，对投放进垃圾回收系统的垃圾进行分类识别，再把识别的结果信息记录到后台的系统，方便对垃圾分类投放的行为进行事后的监督纠正。这种方案虽然能提高人们分类投放垃圾的效率，但是本文档来自技高网...

【技术保护点】
1.一种基于深度学习的垃圾分类评价方法，其特征在于，包括以下步骤：/n获取投放的垃圾图像；/n将获取的垃圾图像输入经过训练的卷积神经网络模型进行识别分类；/n将识别分类后的结果进行评分，并将图像上投放了错误垃圾的部分进行标记；/n将评分结果和被标记的图像输出。/n

【技术特征摘要】
1.一种基于深度学习的垃圾分类评价方法，其特征在于，包括以下步骤：
获取投放的垃圾图像；
将获取的垃圾图像输入经过训练的卷积神经网络模型进行识别分类；
将识别分类后的结果进行评分，并将图像上投放了错误垃圾的部分进行标记；
将评分结果和被标记的图像输出。


2.根据权利要求1所述的基于深度学习的垃圾分类评价方法，其特征在于：所述将识别分类后的结果进行评分，得到的评分结果具体为：



其中S为输出的评分结果，i为垃圾类别的序号，xi为第i类垃圾识别的数量，pi为第i类垃圾的分类准确率，α为预设的修正系数，所述评分结果S输出至显示模块。


3.根据权利要求2所述的基于深度学习的垃圾分类评价方法，其特征在于：
若输出所述评分结果为不及格，则将相应的垃圾图像存储至人工筛选图集；
若所述人工筛选图集的图像被标记为识别错误图像，则将所述识别错误图像存储至所述卷积神经网络模型的训练图集，进行再训练；
所述评分结果记录到后台。


4.根据权利要求1所述的基于深度学习的垃圾分类评价方法，其特征在于：还包括在投放垃圾前通过人脸识别方式获取垃圾投放用户的身份信息。


5.根据权利要求1所述的垃圾分类评价方法，其特征在于：所述卷积神经网络模型包括多个卷积层，所述多个卷积层的首个卷积层为带有batchnorm(BN)和ReLU的标准卷积，所述多个卷积层从第二个卷积层起为带有batchnorm(BN)和ReLU的深度可分离卷积层，所述深度可分离卷积包括深度卷积子层和逐点卷积子层，所述多个卷积层，从第二...

【专利技术属性】
技术研发人员：应自炉，宣晨，赵毅鸿，陈俊娟，
申请(专利权)人：五邑大学，
类型：发明
国别省市：广东;44