一种湿垃圾中垃圾袋目标检测方法及检测系统技术方案

本发明专利技术公开一种湿垃圾中垃圾袋目标检测方法，包含：采集含有垃圾袋的湿垃圾图像形成湿垃圾图像库；湿垃圾图像标注垃圾袋的位置和类别信息，分为训练集、验证集和测试集；搭建深度学习神经网络进行训练；调整训练网络模型参数优化网络模型；将测试集中的湿垃圾图像输入训练完成的深度学习神经网络进行测试，若正确率和漏检率符合场景使用的阈值范围，则本地化保存。本发明专利技术采用深度学习网络进行湿垃圾图像中的垃圾袋的检测识别，实现大量湿垃圾中自动化识别垃圾袋，提高识别效率，提高垃圾再利用率。

A detection method and system of garbage bag target in wet garbage

【技术实现步骤摘要】
一种湿垃圾中垃圾袋目标检测方法及检测系统
本专利技术涉及一种属于计算机视觉
的图像目标检测方法，具体涉及一种湿垃圾中垃圾袋目标检测方法。
技术介绍
计算机视觉是一门研究如何使机器“看”的科学，更进一步的说，就是指用摄影机和电脑代替人眼对目标进行识别、跟踪和测量等机器视觉，并进一步做图形处理，使电脑处理成为更适合人眼观察或传送给仪器检测的图像。作为一个科学学科，计算机视觉研究相关的理论和技术，试图建立能够从图像或者多维数据中获取‘信息’的人工智能系统。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，减少垃圾处置的数量，改善生存环境状态，是当前世界各国共同关注的迫切问题。垃圾分类的好处是显而易见的，垃圾分类后被送到工厂而不是填埋场，既省下了土地，又避免了填埋或焚烧所产生的污染，还可以变废为宝。湿垃圾是居民日常生活及食品加工、饮食服务、单位供餐等活动中产生的垃圾，包括丢弃不用的菜叶、剩菜、剩饭、果皮、本文档来自技高网...

【技术保护点】
1.一种湿垃圾中垃圾袋目标检测方法，其特征在于，该方法包含：/nS1、采集含有垃圾袋的湿垃圾图像形成湿垃圾图像库；/nS2、湿垃圾图像标注垃圾袋的位置和类别信息，并分为训练集、验证集和测试集；/nS3、搭建深度学习神经网络，将湿垃圾图像的训练集输入深度学习神经网络中进行训练；/nS4、根据深度学习神经网络输出训练输出的结果，调整训练网络模型参数优化网络模型，直到输出的结果达到预期的阈值；/nS5、将测试集中的湿垃圾图像输入训练完成的深度学习神经网络进行测试，若场景使用里深度学习神经网络模型的正确率和漏检率符合场景使用的阈值范围，则将训练好的深度学习神经网络本地化保存。/n

【技术特征摘要】
1.一种湿垃圾中垃圾袋目标检测方法，其特征在于，该方法包含：
S1、采集含有垃圾袋的湿垃圾图像形成湿垃圾图像库；
S2、湿垃圾图像标注垃圾袋的位置和类别信息，并分为训练集、验证集和测试集；
S3、搭建深度学习神经网络，将湿垃圾图像的训练集输入深度学习神经网络中进行训练；
S4、根据深度学习神经网络输出训练输出的结果，调整训练网络模型参数优化网络模型，直到输出的结果达到预期的阈值；
S5、将测试集中的湿垃圾图像输入训练完成的深度学习神经网络进行测试，若场景使用里深度学习神经网络模型的正确率和漏检率符合场景使用的阈值范围，则将训练好的深度学习神经网络本地化保存。


2.如权利要求1所述的湿垃圾中垃圾袋目标检测方法，其特征在于，所述S2包含：
S2.1、湿垃圾图像库中的湿垃圾图像重命名和序列化；
S2.2、对湿垃圾图像中的垃圾袋图像进行标注；
S2.3、将标注完成的湿垃圾图像库的标注数据统一储存；
S2.4、将湿垃圾图像库及其标注数据拆分为训练集、验证集和测试集，生成对应的训练集文件夹、验证集文件夹和测试集文件夹中等待训练。


3.如权利要求2所述的湿垃圾中垃圾袋目标检测方法，其特征在于，所述训练集、验证集和测试集的拆分比例为：8:1:1。


4.如权利要求1所述的湿垃圾中垃圾袋目标检测方法，其特征在于，所述S3包含：
S3.1、搭建深度学习神经网络模型；
S3.2、设置深度学习神经网络模型的训练参数；
S3.3、执行深度学习神经网络模型训练脚本。


5.如权利要求1所述的湿垃圾中垃圾袋目标检测方法，其特征在于，所述S4中，深度学习神经网络输出的损失率训练采用损失计算函数，损失计算函数基于交叉熵计算公式改进方法，交叉熵计算公式如式(1)：



式(1)中，y表示图片标注时label属性，正类为1，表示有垃圾袋，负类为0，表示无垃圾袋；p表示样本预测为正的概率；
式(1)进一步泛化为式(2)：



式(2)中，Pt表示式(1)的...

【专利技术属性】
技术研发人员：张威，宋淼，
申请(专利权)人：上海海事大学，
类型：发明
国别省市：上海;31