一种垃圾自动分类的装置及方法制造方法及图纸

一种垃圾自动分类的装置及方法，包括机体，机体内安装有微处理器，微处理器内部存储有训练好的改进后的ResNet‑50垃圾分类卷积神经网络模型；机体上有用于投放垃圾的投放口，投放口安装有摄像头进行图像采集，摄像头与微处理器输入端相连；机体上有四种不同类别的垃圾桶，分别为可回收垃圾垃圾桶、厨余垃圾垃圾桶、有害垃圾垃圾桶和其他垃圾垃圾桶，用于实现不同类别的垃圾归类；机体上有传送带位于投放口正下方，传送带下方有驱动电机，用于传送带的运转；传送带与微处理器输出端相连，用于将微处理器输出的垃圾类别将其运输到对应桶内。本发明专利技术能够自动的、准确地及高效的实现垃圾的自动识别；并可以自动将垃圾归放至对应的垃圾桶中。

【技术实现步骤摘要】
一种垃圾自动分类的装置及方法
本专利技术涉及垃圾自动分类
，特别涉及一种垃圾自动分类的装置及方法。
技术介绍
ResNet-50网络采用多个非常小的卷积核替换单一大尺寸的卷积核，其作用不仅可以减少ResNet-50网络的参数，同时可增加ResNet-50网络非线性激活函数数量，减少ResNet-50网络计算量。针对垃圾分类及识别的任务特征可知，垃圾分为四类，每类垃圾又包含很多不同种类的垃圾，如易拉罐，矿泉水瓶等，其本身包含了很多不同种类的特征，对分类及识别过程中的细节特征提取存在一定的难度。现实中垃圾分类技术采用不同垃圾类别的垃圾桶并排摆放，其局限性在于，人们需自行判断垃圾类别并手动进行垃圾分类；现今一些相对智能的垃圾桶其功能仅限于：实现自动开盖、自动打包等，没有实现垃圾自动识别分类的功能。
技术实现思路
为了克服上述现有技术的不足，本专利技术的目的在于提供一种垃圾自动分类的装置及方法，能够自动的、准确地及高效的实现垃圾的自动识别；并可以自动将垃圾归放至对应的垃圾桶中，无需手动分类投放。为了实现上述目的，本专利技术采用的技术方案是：一种垃圾自动分类的装置，包括机体1，所述机体1内安装有微处理器2，所述微处理器2内部存储有训练好的改进后的ResNet-50垃圾分类卷积神经网络模型；所述机体1上有用于投放垃圾的投放口3，所述投放口3安装有摄像头4进行图像采集，所述摄像头4与微处理器2输入端相连；所述机体1上有四种不同类别的垃圾桶，分别为可回收垃圾垃圾桶、厨余垃圾垃圾桶、有害垃圾垃圾桶和其他垃圾垃圾桶，用于实现不同类别的垃圾归类；所述机体1上有传送带5位于投放口3正下方，所述传送带5下方有驱动电机6，用于传送带5的运转；所述传送带5与微处理器2输出端相连，用于将微处理器2输出的垃圾类别将其运输到对应桶内。所述四类垃圾桶上方均有对应的垃圾挡板7，垃圾挡板7位于传送带5一侧，传送带5另一侧设置有推板8，所述推板8下方有驱动电机9，用于实现将垃圾推进对应的垃圾桶内；所述机体1上设置有用于实时显示垃圾分类结果的显示屏，所述显示屏位于机体1外侧方便人们浏览。所述微处理器2输出端与显示屏相连，便于显示改进后的ResNet-50垃圾分类卷积神经网络模型所识别的结果输出。一种垃圾自动分类的装置的方法，包括以下步骤；Step1：人们将垃圾通过投放口3丢入；Step2：摄像头4自动进行拍照，完成图像采集；Step3：图像信息传输给微处理器2，通过训练好的改进后的ResNet-50垃圾分类卷积神经网络模型，识别垃圾种类，并将识别出的种类信息传输给显示屏与传送带5下方的驱动电机6；Step4：传送带5下面驱动电机6开始运转，通过传送带5将垃圾运输到对应类别的垃圾桶上方；Step5：对应垃圾桶上方的驱动电机9开始运转，带动对应垃圾桶上方的挡板7将垃圾推入下方对应的垃圾桶中；Step6：显示屏显示本次垃圾分类结果，完成本次垃圾自动识别分类过程。所述Step3中具体的分类方法为，包括以下步骤；步骤一：根据垃圾分类的任务，收集不同种类的的垃圾照片，并按照分类要求制作包含四大类共21875张照片的垃圾级数据集，分别为可回收垃圾、厨余垃圾、有害垃圾和其他垃圾；步骤二：对摄像头采集的数据图像进行预处理；步骤三：对基于卷积神经网络ResNet-50模型根据设计需要进行改进，搭建改进后的网络模型；步骤四：用步骤一制作的垃圾数据集在改进后的ResNet-50模型上进行训练，使模型能够实现对待检测垃圾图像的自主识别分类过程。步骤五：模型实现垃圾分类的过程：垃圾图片输入改进后的网络模型，通过模型提取图片中垃圾特征，利用分类器将特征图进行分类，确定为何种垃圾类型，进行最终结果输出。所述步骤三的建模过程为：在ResNet-50网络的基础上引入了1x3卷积和3x1卷积以及多尺度池化，对于一个尺寸为H×W，通道数为D的卷积核，以通道数为C的特征图作为输入，使用F∈RH×W×C表示卷积核，M∈RU×V×C表示输入，尺寸为U×V，通道数为C的特征图，O∈RR×T×D代表输出特征图，则对于这层的第j个卷积，相应的输出特征映射通道可以表示为：其中*是二维卷积算子，M:,:k是M的第k个通道的尺寸为U×V的特征图，代表F(j)的第k个通道的尺寸H×W的特征图；在训练过程中，分别用3x3，1x3，3x1的卷积核对图像进行卷积运算，然后将三个输出进行相加得到输出，利用这样的卷积核来替代单一的卷积核进行运算，提升网络对图像特征的提取能力。所述多尺度池化模块前端网络输出垃圾特征，多尺度池化模块利用不同尺度的池化层对输出特征进行多尺度特征提取，进而混合4种不同尺度的特征，以最左侧池化层突出显示的最粗糙级别是用于生成单个输出的全局池化，接下来的多尺度层把特征分成不同的子区域，并对不同的位置进行池化表达，不同层级的多尺度池化层产生的特征图大小不同，多尺度层的个数和每一层的特征大小都是可以调整的，所述多尺度池化模块具有4个层级，每一个层级的poolingkernel大小为1x1，2x2，3x3和6x6。所述每一个多尺度层后面采用1x1卷积层来降低维度，如果有N个多尺度层，则每个层级后面的特征图个数为原始特征个数的1/N，把每一个层级的特征图通过双线性插值上采样到原始特征图的大小，最后所有的多尺度特征以及原始特征concatenate在一起作为最终的多尺度池化特征。所述改进后的ResNet-50网络模型得到目标函数：式中，x表示特征数据的输入，为ResNet模型预测结果的概率，w和b为ResNet模型训练得到的参数，esNet-50网络利用多个卷积层的特征稀疏性进行特征提取，网络每批次输入的样本图像数据被转换为稀疏特征，后进入ResNet-50网络的全连接层，图像特征经过softmax分类器后，将每行最大值对应的one-hot矩阵作为本次训练的分类结果；在训练ResNet-50网络时把损失函数看作样本的真实类型(label)与ResNet-50网络预测结果的交叉熵，其计算公式为(3)：对于每批次样本，损失函数计算如式(4)所示：对于每批次样本，损失函数计算如式(4)所示：式中，tki为样本k属于类别i的概率，yki为样本k属于类别i的模型概率预测。本专利技术的有益效果：通过采用本专利技术的垃圾自动分类的装置，改善了我国现有的垃圾桶摆放现状，将现有的不同种类的垃圾桶替换为本专利技术的垃圾自动分类的装置，用改进后的卷积神经网络代替人们的手工判断分类，具有一定的市场潜力与价值。通过采用上述改进后的ResNet-50卷积神经网络模型，并制作大量不同类别的垃圾数据集，对图像进行预处理，处理后搭建本专利技术所需的卷积神经网络模型，通过前期的模型训练，可以完成自主的垃圾分类识别，并且识别准确率达到94％。附图说明图1为本专利技术垃圾自动分类装置的三维本文档来自技高网...

【技术保护点】
1.一种垃圾自动分类的装置，其特征在于，包括机体(1)，所述机体(1)内安装有微处理器(2)，所述微处理器(2)内部存储有训练好的改进后的ResNet-50垃圾分类卷积神经网络模型；所述机体(1)上有用于投放垃圾的投放口(3)，所述投放口(3)安装有摄像头(4)进行图像采集，所述摄像头(4)与微处理器(2)输入端相连；所述机体(1)上有四种不同类别的垃圾桶，分别为可回收垃圾垃圾桶、厨余垃圾垃圾桶、有害垃圾垃圾桶和其他垃圾垃圾桶，用于实现不同类别的垃圾归类；所述机体(1)上有传送带(5)位于投放口(3)正下方，所述传送带(5)下方有驱动电机(6)，用于传送带(5)的运转；所述传送带(5)与微处理器(2)输出端相连，用于将微处理器(2)输出的垃圾类别将其运输到对应桶内。/n

【技术特征摘要】
1.一种垃圾自动分类的装置，其特征在于，包括机体(1)，所述机体(1)内安装有微处理器(2)，所述微处理器(2)内部存储有训练好的改进后的ResNet-50垃圾分类卷积神经网络模型；所述机体(1)上有用于投放垃圾的投放口(3)，所述投放口(3)安装有摄像头(4)进行图像采集，所述摄像头(4)与微处理器(2)输入端相连；所述机体(1)上有四种不同类别的垃圾桶，分别为可回收垃圾垃圾桶、厨余垃圾垃圾桶、有害垃圾垃圾桶和其他垃圾垃圾桶，用于实现不同类别的垃圾归类；所述机体(1)上有传送带(5)位于投放口(3)正下方，所述传送带(5)下方有驱动电机(6)，用于传送带(5)的运转；所述传送带(5)与微处理器(2)输出端相连，用于将微处理器(2)输出的垃圾类别将其运输到对应桶内。


2.根据权利要求1所述的一种垃圾自动分类的装置，其特征在于，所述四类垃圾桶上方均有对应的垃圾挡板(7)，垃圾挡板(7)位于传送带(5)一侧，传送带(5)另一侧设置有推板(8)，所述推板(8)下方有驱动电机(9)，用于实现将垃圾推进对应的垃圾桶内；所述机体(1)上设置有用于实时显示垃圾分类结果的显示屏，所述显示屏位于机体(1)外侧方便人们浏览。


3.根据权利要求1所述的一种垃圾自动分类的装置，其特征在于，所述微处理器(2)输出端与显示屏相连，便于显示改进后的ResNet-50垃圾分类卷积神经网络模型所识别的结果输出。


4.基于权利要求1所述的一种垃圾自动分类的装置的使用方法，其特征在于，包括以下步骤；
Step1：人们将垃圾通过投放口(3)丢入；
Step2：摄像头(4)自动进行拍照，完成图像采集；
Step3：图像信息传输给微处理器(2)，通过训练好的改进后的ResNet-50垃圾分类卷积神经网络模型，识别垃圾种类，并将识别出的种类信息传输给显示屏与传送带(5)下方的驱动电机(6)；
Step4：传送带(5)下面驱动电机(6)开始运转，通过传送带(5)将垃圾运输到对应类别的垃圾桶上方；
Step5：对应垃圾桶上方的驱动电机(9)开始运转，带动对应垃圾桶上方的挡板7将垃圾推入下方对应的垃圾桶中；
Step6：显示屏显示本次垃圾分类结果，完成本次垃圾自动识别分类过程。


5.根据权利要求4所述的一种垃圾自动分类的装置的使用方法，其特征在于，所述Step3中具体的分类方法为，包括以下步骤；
步骤一：根据垃圾分类的任务，收集不同种类的的垃圾照片，并按照分类要求制作包含四大类共21875张照片的垃圾级数据集，分别为可回收垃圾、厨余垃圾、有害垃圾和其他垃圾；
步骤二：对摄像头采集的数据图像进行预处理；
步骤三：对基于卷积神经网络ResNet-50模型根据设计需要进行改进，搭建改进后的网络模型；
步骤四：用步骤一制作的垃圾数据集在改进后的ResNet-50模型上进行训练，使模型能够实现对待检测垃圾图像的自主识别分类过程。
步骤五：模型实现垃圾分类的过程：垃圾图片输入改进...

【专利技术属性】
技术研发人员：何波，梁旭东，
申请(专利权)人：西安建筑科技大学，
类型：发明
国别省市：陕西;61