一种在固定距离下利用神经网络进行垃圾类别检测的方法技术

本发明专利技术公开了一种在固定距离下利用神经网络进行垃圾类别检测的方法，基于每个投放点设置的用于拍摄垃圾图片的摄像装置的位置固定的，对垃圾的分类检测始终是保持固定距离的，对应垃圾的尺寸在拍摄的垃圾图片中也是有一定范围的，当检测分类层在检测判定时，在确定目标框后，对目标框进行筛选，并对筛选后的目标框按照大目标和小目标进行分类，进而将6幅图片分成大目标和小目标两组来分别进行处理，极大的精简了基于深度学习的SSD目标检测神经网络的分类判定过程，有效提升了基于深度学习的SSD目标检测神经网络的速度与精度；优点是检测速度和检测精度均较高。点是检测速度和检测精度均较高。

【技术实现步骤摘要】
一种在固定距离下利用神经网络进行垃圾类别检测的方法


[0001]本专利技术涉及一种利用神经网络进行垃圾类别检测的方法，尤其是涉及一种在固定距离下利用神经网络进行垃圾类别检测的方法。

技术介绍

[0002]随着人们生活水平的提高，产生的垃圾也越来越多，目前主要是将这些垃圾分为可回收垃圾、有害垃圾、厨余垃圾和其它垃圾等。通过对垃圾进行分类管理，能最大限度的实现垃圾资源回收利用，同时减少垃圾处理的数量。
[0003]目前，通常利用神经网络进行垃圾类别检测，神经网络模的准确度以及实时性直接决定了垃圾类别检测的准确性和实时性。基于深度学习的SSD目标检测神经网络是当前用于垃圾分类的一种常用神经网络。
[0004]现有的基于深度学习的SSD目标检测神经网络通常包括依次排列的第一层卷积层、第二层卷积层、第三层卷积层、第四层卷积层、第五层卷积层、第六层卷积层、第七层卷积层、第八层卷积层、第九层卷积层和检测分类层，第一层卷积层，包含两个[3,3，64]卷积网络和一个2X2最大池化层，用于输出大小为(150,150,64)的图片，第二层卷积层包含两本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种在固定距离下利用神经网络进行垃圾类别检测的方法，所述的神经网络为基于深度学习的SSD目标检测神经网络，所述的基于深度学习的SSD目标检测神经网络包括依次排列的第一层卷积层、第二层卷积层、第三层卷积层、第四层卷积层、第五层卷积层、第六层卷积层、第七层卷积层、第八层卷积层、第九层卷积层和检测分类层，第一层卷积层，包含两个[3,3，64]卷积网络和一个2X2最大池化层，用于输出大小为(150,150,64)的图片，第二层卷积层包含两个[3,3，128]卷积网络和一个2X2最大池化层，用于输出大小为(75,75,128)的图片，第三层卷积层包含三个[3,3，256]卷积网络和一个2X2最大池化层，用于输出大小为(38,38,256)的图片，第四层卷积层为特征提取层，包含三个[3,3，512]卷积网络和一个2X2最大池化层，用于生成大小为38*38的特征图片，第五层卷积层为特征提取层，包含三个[3,3，1024]卷积网络、一个2X2最大池化层和两个[3,3]卷积网络，用于生成大小为19*19的特征图片，第六层卷积层为特征提取层，包含一个[1,1，512]卷积网络和一个步长为2的[3,3]卷积网络，用于生成大小为10*10的特征图片，第七层卷积层为特征提取层，包含一个[1,1，256]卷积网络和一个步长为2的[3,3]卷积网络，用于生成大小为5*5的特征图片，第八层卷积层为特征提取层，包含一个[1,1，256]卷积网络和一个padding为valid的[3,3，256]卷积网络，用于生成大小为3*3的特征图片，第九层卷积层为特征提取层，包含一个[1,1，256]卷积网络，一个padding为valid的[3,3，256]卷积网络，用于生成大小为1*1的特征图片，检测分类层能够接收所有特征提取层提供的特征图片，并为每张特征图片中的每个像素点生成预先设定好的默认候选框，然后通过detection函数对每张特征图片中每个像素点的默认候选框的垃圾归属类别和位置进行预测，得到预测结果，预测结果包括每个默认候选框的每个垃圾归属类别的得分以及每个默认候选框相对于其目标框的偏移值，最后根据得到的每个默认候选框的每个垃圾归属类别的得分以及每个默认候选框坐标相对于其目标框坐标的偏移值，得到检测结果，其中，大小为38*38的特征图片中每个像素点产生4个默认候选框，大小为19*19的特征图片中每个像素点产生6个默认候选框，大小为10*10的特征图片中每个像素点产生6个默认候选框，大小为5*5的特征图片中每个像素点产生6个默认候选框，大小为3*3的特征图片中每个像素点产生4个默认候选框，大小为1*1的特征图片中每个像素点产生4个默认候选框，其特征在于具体检测步骤为：(1)、将检测图片通过resize函数调整到像素大小为300*300的图片后输入第一层卷积层，其中像素大小为300*300的图片所处的二维坐标以其左下角作为原点，左下角相交两条边所在方向分别作为横坐标和纵坐标；(2)、第一层卷积层将输入其内的图片进行处理后输出大小为(150,150,64)的图片至第二层卷积层；(3)、第二层卷积层将输入其内的图片进行处理后输出大小为(75,75,128)的图片至第三层卷积层；(4)、第三层卷积层将输入其内的图片进行处理后输出大小为(38,38,256)的图片至第四卷积层；(5)、第四层卷积层将输入其内的图片进行处理后输出大小为(38,38,512)的图片至第五卷积层和检测分类层；(6)、第五层卷积层将输入其内的图片进行处理后输出大小为(19,19,1...

【专利技术属性】
技术研发人员：钱承武，钱江波，
申请(专利权)人：宁波大学，
类型：发明
国别省市：