【技术实现步骤摘要】
一种基于深度学习的垃圾分类装置
本专利技术涉及垃圾分类领域，具体涉及一种基于深度学习的垃圾分类装置。
技术介绍
垃圾分类是对垃圾收集处置传统方式的改革，是对垃圾进行有效处置的一种科学管理方法。人们面对日益增长的垃圾产量和环境状况恶化的局面，如何通过垃圾分类管理，最大限度地实现垃圾资源利用，减少垃圾处置量，改善生存环境质量，是当前世界各国共同关注的迫切问题之一。垃圾分类概念虽早已提出，但在中国并没有真正实施。深度学习是机器学习领域中的一个新的研究方向，它被引入机器学习使其更接近于最初的目标—人工智能。深度学习在搜索技术，数据挖掘，机器学习，机器翻译，自然语言处理，多媒体学习，以及其他相关领域都取得了很多成果。深度学习使机器模仿视听和思考等人类的活动，解决了很多复杂的模式识别难题，使得人工智能相关技术取得了很大进步。深度学习作为机器学习中神经网络技术进一步的发展思想，以分布式的结构自动地学习数据的特征表征，利用深度学习算法实现对垃圾的分类为新亮点。
技术实现思路
为了克服人工对部分物品分类情况不了解，...
【技术保护点】
1.一种基于深度学习的垃圾分类装置，其特征在于，所述垃圾分类装置包括：/n图像采集模块，用于采集待分类垃圾的图像；/n垃圾名称识别模块，用于利用垃圾名称识别模型对待分类垃圾图像进行识别，获得待分类垃圾的垃圾名称，所述垃圾名称识别模型以卷积神经网络分类器为基础构建获得；/n垃圾类别分类模块，用于利用知识图谱确定所述垃圾名称所属的垃圾类别以实现垃圾分类，所述知识图谱表达垃圾名称与垃圾类别所属关系。/n
【技术特征摘要】
1.一种基于深度学习的垃圾分类装置，其特征在于，所述垃圾分类装置包括：
图像采集模块，用于采集待分类垃圾的图像；
垃圾名称识别模块，用于利用垃圾名称识别模型对待分类垃圾图像进行识别，获得待分类垃圾的垃圾名称，所述垃圾名称识别模型以卷积神经网络分类器为基础构建获得；
垃圾类别分类模块，用于利用知识图谱确定所述垃圾名称所属的垃圾类别以实现垃圾分类，所述知识图谱表达垃圾名称与垃圾类别所属关系。
2.如权利要求1所述的基于深度学习的垃圾分类装置，其特征在于，所述垃圾名称识别模型的构建过程包括：
以MobileNet_v2为基础，限定输入图像尺寸为224×224×3；
以预测识别结果和样本标签的交叉熵为损失函数，利用训练样本对所述MobileNet_v2进行训练，以获得垃圾名称识别模型。
3.如权利要求2所述的基于深度学习的垃圾分类装置，其特征在于，在训练时，采用小批量梯度下降方法进行训练，并采用十折交叉验证。
4.如权利要求1所述的基于深度学习的垃圾分...
【专利技术属性】
技术研发人员：陈晋音，邹健飞，李泽民，俞山青，
申请(专利权)人：浙江工业大学，
类型：发明
国别省市：浙江;33
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。