基于深度学习神经网络的垃圾分类管理方法及装置制造方法及图纸

本申请公开了一种基于深度学习神经网络的垃圾分类管理方法及装置，所述方法包括：获取待分类垃圾的待检测图像；根据训练好的深度学习神经网络的各中间层对待检测图像进行处理，获取待检测图像的各分类向量；根据深度学习神经网络的融合层对各分类向量进行融合，获取待分类垃圾的最终分类向量，以确定待分类垃圾的垃圾类别；对垃圾回收装置中与垃圾类别相对应的投递口进行位置提示。与现有技术相比，本申请通过深度学习神经网络实现对垃圾的自动分类，并能根据垃圾所属分类对用户进行投递位置提示，有效的降低了用户的时间成本。

【技术实现步骤摘要】
基于深度学习神经网络的垃圾分类管理方法及装置
本申请涉及数据处理
，尤其涉及一种基于深度学习神经网络的垃圾分类管理方法及装置。
技术介绍
近年来，随着人们可消费的物品种类越来越多，所产生的垃圾种类也越来越多，导致传统的填埋或焚烧等垃圾处理方式已无法高效地对这些垃圾进行处理，且传统的垃圾处理方式亦会浪费很多可回收利用的资源。为有效解决上述问题，现有技术中，采用垃圾分类的方式对垃圾进行处理，从而在有效提高垃圾处理效率的同时，减缓资源消耗。现有的垃圾分类方式通常采用人工分类的方式，即用户自行判断其所要投递的垃圾属于哪种分类并投放到相应的垃圾柜内。但这种方式完全依赖于用户对垃圾分类的认知，而随着社会的发展，需要分类的垃圾种类越来越多，导致用户需掌握的垃圾种类的数量越来越多，进而使用户需要耗费更多的时间去学习垃圾分类，时间成本过高。
技术实现思路
本申请实施例所要解决的技术问题在于，提供一种基于深度学习神经网络的垃圾分类管理方法及装置，实现对垃圾的自动分类，降低用户的时间成本。为解决上述问题，本申请实施例提供一种本文档来自技高网...

【技术保护点】
1.一种基于深度学习神经网络的垃圾分类管理方法，其特征在于，至少包括如下步骤：/n获取待分类垃圾的待检测图像；/n根据训练好的深度学习神经网络的各中间层对所述待检测图像进行处理，获取所述待检测图像的各分类向量；其中，一个所述中间层生成一个所述分类向量；/n根据所述深度学习神经网络的融合层对各所述分类向量进行融合，获取所述待分类垃圾的最终分类向量，以确定所述待分类垃圾的垃圾类别；/n对垃圾回收装置中与所述垃圾类别相对应的投递口进行位置提示。/n

【技术特征摘要】
1.一种基于深度学习神经网络的垃圾分类管理方法，其特征在于，至少包括如下步骤：
获取待分类垃圾的待检测图像；
根据训练好的深度学习神经网络的各中间层对所述待检测图像进行处理，获取所述待检测图像的各分类向量；其中，一个所述中间层生成一个所述分类向量；
根据所述深度学习神经网络的融合层对各所述分类向量进行融合，获取所述待分类垃圾的最终分类向量，以确定所述待分类垃圾的垃圾类别；
对垃圾回收装置中与所述垃圾类别相对应的投递口进行位置提示。


2.根据权利要求1所述的基于深度学习神经网络的垃圾分类管理方法，其特征在于，所述获取待分类垃圾的待检测图像，包括：
采集所述待分类垃圾的当前图像进行强度归一化和像素饱和化预处理，获取所述待检测图像。


3.根据权利要求1所述的基于深度学习神经网络的垃圾分类管理方法，其特征在于，所述中间层对所述待检测图像的处理方法包括：
根据获取所述分类向量yk；其中，Wjk为j到k层的中间层的权重，Fj为输入到第k层所述中间层的所述待检测图像，θk为偏置项。


4.根据权利要求1所述的基于深度学习神经网络的垃圾分类管理方法，其特征在于，所述深度学习神经网络为卷积神经网络。


5.根据权利要求4所述的基于深度学习神经网络的垃圾分类管理方法，其特征在于，所述卷积神经网络的训练包括：
采集待训练垃圾的训练图像，输入所述卷积神经网络的各个中间层；
根据所述卷积神经网络的各中间层对所述训练图像进行处理，获取所述训练图像的各预测分类向量；其中，一个所述卷积神经网络的中间层生成一个所述预测分类向量；
根据所述卷积神经网络的融合层对各所述预测分类向量进行融合，确定所述待训练垃圾对应的最终预测分类向量；
根据所述预测分类向量与预设的第一目标向量的第一输出误差，以及所述最终预测分类向量与预设的第二目标向...

【专利技术属性】
技术研发人员：梁涛，
申请(专利权)人：广州游艺云物联网技术有限公司，
类型：发明
国别省市：广东;44