智能垃圾分类系统及其分类方法技术方案

本申请涉及智能识别领域，其具体地公开了一种智能垃圾分类系统及其分类方法，其通过综合利用局部二值模式处理和Canny边缘检测提取待识别垃圾的图像特征，并将所提取的特征图与所述待识别垃圾的图像进行沿通道维度的聚合，通过卷积神经网络进行对聚合后图像的特征提取以得到检测特征图，继而将校正后的检测特征图通过分类器以得到分类结果，提高了垃圾类别识别的精准度。识别的精准度。识别的精准度。

【技术实现步骤摘要】
智能垃圾分类系统及其分类方法


[0001]本申请涉及智能识别领域，且更为具体地，涉及一种智能垃圾分类系统及其分类方法。

技术介绍

[0002]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。面对日益增长的垃圾产量和环境状况恶化的局面，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。
[0003]垃圾分类最重要的就是垃圾分类回收，也就是人们在日常生活中在扔垃圾时的分类，但是由于我国实施垃圾分类时间较短，人们对于垃圾分类知识较为欠缺，对于使用普通垃圾桶而言，在丢弃的过程中，如果对垃圾种类不很清楚，则需要通过网络搜索，此时，对于使用者来说是较为麻烦的，不方便用户的使用。
[0004]因此，期待一种智能垃圾分类系统，其能够帮助用户智能地判断垃圾所属的类型，以便于用户进行垃圾分类。

技术实现思路

[0005]为了解决上述技术问题，提出了本申请。本申请的实施例提供了一种智能垃圾分类系统及其分类方法，其通过综合利用局部二值模式处理和Canny边缘检测提取待识别垃圾的图像特征，并将所提取的特征图与所述待识别垃圾的图像进行沿通道维度的聚合，通过卷积神经网络进行对聚合后图像的特征提取以得到检测特征图，继而将校正后的检测特征图通过分类器以得到分类结果，提高了垃圾类别识别的精准度。
[0006]根据本申请的一个方面，提供了一种智能垃圾分类系统，其包括：
[0007]待识别垃圾图像采集模块，用于获取待识别垃圾的图像；
[0008]纹理加强模块，用于对所述待识别垃圾的图像进行局部二值模式处理和Canny边缘检测以得到局部二值模式图和Canny边缘检测图；
[0009]多通道聚合模块，用于将所述局部二值模式图、所述Canny边缘检测图和所述待识别垃圾的图像进行沿通道维度的聚合以得到多通道图像；
[0010]卷积编码模块，用于将所述多通道图像通过使用CBAM注意力机制的卷积神经网络模型以得到检测特征图；
[0011]特征分布校正模块，用于对所述检测特征图进行特征分布校正以得到校正后检测特征图；以及
[0012]垃圾分类结果生成模块，用于将所述校正后检测特征图通过分类器以得到分类结果，所述分类结果用于表示待识别垃圾所属的垃圾类别标签。
[0013]在上述智能垃圾分类系统中，所述卷积编码模块，包括：卷积单元，用于对所述输入数据进行卷积处理以得到卷积特征图；池化单元，用于对所述卷积特征图进行池化处理
以得到池化特征图；激活单元，用于对所述池化特征图进行非线性激活处理以得到激活特征图；通道注意力单元，用于将所述激活特征图通过通道注意力模块以得到通道注意力特征图；以及，空间注意力单元，用于将所述通道注意力特征图输入空间注意力模块以得到空间注意力特征图。
[0014]在上述智能垃圾分类系统中，所述通道注意力单元，包括：全局均值池化子单元，用于计算所述激活特征图的沿通道维度的各个特征矩阵的全局均值以得到通道特征向量；非线性激活子单元，用于将所述通道特征向量输入Softmax激活函数以得到通道注意力权重特征向量；以及，通道注意力施加子单元，用于以所述通道注意力权重特征向量中各个位置的特征值作为权重分别对所述激活特征图的沿通道维度的各个特征矩阵进行加权以得到所述通道注意力特征图。
[0015]在上述智能垃圾分类系统中，所述空间注意力单元，包括：空间感知子单元，用于使用所述空间注意力模块的卷积层对所述通道注意力特征图进行卷积编码以得到空间注意力图；概率化子单元，用于将所述空间注意力图输入所述空间注意力模块的Softmax激活函数以得到空间注意力得分图；以及，空间注意力施加子单元，用于计算所述空间注意力得分图和所述通道注意力特征图的按位置点乘以得到所述空间注意力特征图。
[0016]在上述智能垃圾分类系统中，所述特征分布校正模块，进一步用于：以如下公式对所述检测特征图进行特征分布校正以得到校正后检测特征图；其中，所述公式为：F
′
＝p
p
·
F
p
‑1⊙
e
‑
p
·
F
，其中p是所述检测特征图F通过分类器进行预分类获得的概率值。
[0017]在上述智能垃圾分类系统中，所述垃圾分类结果生成模块，展开单元，用于将所述校正后检测特征图基于行向量或列向量展开为分类特征向量；全连接编码单元，用于使用所述分类器的多个全连接层对所述分类特征向量进行全连接编码以得到编码分类特征向量；以及，分类结果生成单元，用于将所述编码分类特征向量通过所述分类器的Softmax分类函数以得到所述分类结果。
[0018]根据本申请的另一方面，提供了一种智能垃圾分类方法，其包括：
[0019]获取待识别垃圾的图像；
[0020]对所述待识别垃圾的图像进行局部二值模式处理和Canny边缘检测以得到局部二值模式图和Canny边缘检测图；
[0021]将所述局部二值模式图、所述Canny边缘检测图和所述待识别垃圾的图像进行沿通道维度的聚合以得到多通道图像；
[0022]将所述多通道图像通过使用CBAM注意力机制的卷积神经网络模型以得到检测特征图；
[0023]对所述检测特征图进行特征分布校正以得到校正后检测特征图；以及
[0024]将所述校正后检测特征图通过分类器以得到分类结果，所述分类结果用于表示待识别垃圾所属的垃圾类别标签。
[0025]根据本申请的再一方面，提供了一种电子设备，包括：处理器；以及，存储器，在所述存储器中存储有计算机程序指令，所述计算机程序指令在被所述处理器运行时使得所述处理器执行如上所述的智能垃圾分类方法。
[0026]根据本申请的又一方面，提供了一种计算机可读介质，其上存储有计算机程序指令，所述计算机程序指令在被处理器运行时使得所述处理器执行如上所述的智能垃圾分类
方法。
[0027]与现有技术相比，本申请提供的一种智能垃圾分类系统及其分类方法，其通过综合利用局部二值模式处理和Canny边缘检测提取待识别垃圾的图像特征，并将所提取的特征图与所述待识别垃圾的图像进行沿通道维度的聚合，通过卷积神经网络进行对聚合后图像的特征提取以得到检测特征图，继而将校正后的检测特征图通过分类器以得到分类结果，提高了垃圾类别识别的精准度。
附图说明
[0028]通过结合附图对本申请实施例进行更详细的描述，本申请的上述以及其他目的、特征和优势将变得更加明显。附图用来提供对本申请实施例的进一步理解，并且构成说明书的一部分，与本申请实施例一起用于解释本申请，并不构成对本申请的限制。在附图中，相同的参考标号通常代表相同部件或步骤。
[0029]图1图示了根据本申请实施例的智能垃圾分类系统的应用场景图；
[0030]图2图示了根据本申请实施例的智能垃圾分类系统的框图；
[003本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种智能垃圾分类系统，其特征在于，包括：待识别垃圾图像采集模块，用于获取待识别垃圾的图像；纹理加强模块，用于对所述待识别垃圾的图像进行局部二值模式处理和Canny边缘检测以得到局部二值模式图和Canny边缘检测图；多通道聚合模块，用于将所述局部二值模式图、所述Canny边缘检测图和所述待识别垃圾的图像进行沿通道维度的聚合以得到多通道图像；卷积编码模块，用于将所述多通道图像通过使用CBAM注意力机制的卷积神经网络模型以得到检测特征图；特征分布校正模块，用于对所述检测特征图进行特征分布校正以得到校正后检测特征图；以及垃圾分类结果生成模块，用于将所述校正后检测特征图通过分类器以得到分类结果，所述分类结果用于表示待识别垃圾所属的垃圾类别标签。2.根据权利要求1所述的智能垃圾分类系统，其特征在于，所述卷积编码模块，包括：卷积单元，用于对所述输入数据进行卷积处理以得到卷积特征图；池化单元，用于对所述卷积特征图进行池化处理以得到池化特征图；激活单元，用于对所述池化特征图进行非线性激活处理以得到激活特征图；通道注意力单元，用于将所述激活特征图通过通道注意力模块以得到通道注意力特征图；以及空间注意力单元，用于将所述通道注意力特征图输入空间注意力模块以得到空间注意力特征图。3.根据权利要求2所述的智能垃圾分类系统，其特征在于，所述通道注意力单元，包括：全局均值池化子单元，用于计算所述激活特征图的沿通道维度的各个特征矩阵的全局均值以得到通道特征向量；非线性激活子单元，用于将所述通道特征向量输入Softmax激活函数以得到通道注意力权重特征向量；以及通道注意力施加子单元，用于以所述通道注意力权重特征向量中各个位置的特征值作为权重分别对所述激活特征图的沿通道维度的各个特征矩阵进行加权以得到所述通道注意力特征图。4.根据权利要求3所述的智能垃圾分类系统，其特征在于，所述空间注意力单元，包括：空间感知子单元，用于使用所述空间注意力模块的卷积层对所述通道注意力特征图进行卷积编码以得到空间注意力图；概率化子单元，用于将所述空间注意力图输入所述空间注意力模块的Softmax激活函数以得到空间注意力得分图；以及空间注意力施加子单元，用于计算所述空间注意力得分图和所述通道注意力特征图的按位置点乘以得到所述空间注意力特征图。5.根据权利要求4所述的智能垃圾分类系统，其特征在于，所述特征分布校正模块，进一步用于：以如下公式对所述检测特征图进行特征分布校正以得到校正后检测特征图；其中，所述公式为：F
′
＝p
p
·
F
p
‑1⊙
e
...

【专利技术属性】
技术研发人员：沈永琴，张思远，高海翔，余士江，
申请(专利权)人：美欣达欣环卫科技有限公司，
类型：发明
国别省市：