本发明专利技术公开了一种基于图像对投递垃圾进行识别、归类的方法和装置，其中方法包括下列步骤：S1:获取投递前和投递后的图像并进行预处理；S2:分别对预处理后的投递前图像和投递后图像进行识别，提取出投递前图像上的物品所在区域的坐标集特征和类别特征，提取出投递后图像上的物品所在区域的坐标集特征和类别特征；S3:分别提取投递前图像和投递后图像的物品所在区域的特征；S4：对投递前图像和投递后图像上的特征进行对比，汇总出新增区域和新增类别。本申请实现对新增垃圾投递区域与新增垃圾类别的识别，减少了人工垃圾类别标注的成本，杜绝了人为标注造成的输出不稳定和标准不统一，可广泛应用于垃圾分类设备。可广泛应用于垃圾分类设备。可广泛应用于垃圾分类设备。
【技术实现步骤摘要】
一种基于图像对投递垃圾进行识别、归类的方法和装置
[0001]本专利技术涉及垃圾分类的智能化
，尤其是涉及一种基于图像对投递垃圾进行识别、归类的方法和装置。
技术介绍
[0002]垃圾分类(Garbage classification)，一般是指按一定规定或标准将垃圾分类储存、分类投放和分类搬运，从而转变成公共资源的一系列活动的总称。分类的目的是提高垃圾的资源价值和经济价值，力争物尽其用。进行垃圾分类收集可以减少垃圾处理量和处理装置，降低处理成本，减少土地资源的消耗，具有社会、经济、生态等几方面的效益。
[0003]垃圾的精确分类与管理,可显著提高可回收垃圾的利用率，因为每一类垃圾，都有各自不同的处理工艺和回收利用价值，垃圾分类的粒度越精细，其价值就越高，然而，同时分类的成本也会越高，如何在垃圾分类做到精细化的同时，显著的降低分类成本，是一个领域内亟需解决的问题。
[0004]公开号为CN110683240A的中国专利技术专利一种基于图像处理的垃圾分类处理系统中公开了，包括图像采集模块，在用户丢弃垃圾的时候，拍摄用户要丢弃的垃圾，得到垃圾图像；图像处理模块，将图像采集模块中得到的垃圾图像依次进行裁剪处理、去噪处理以及亮度处理；图像对比模块，将图像处理模块处理后的垃圾图像和垃圾图像数据库中存储的垃圾的图像进行对比；垃圾分类模块，根据图像对比模块得到的垃圾种类，开启对应的垃圾筒的筒盖，待用户丢完垃圾后，将垃圾筒的筒盖闭合；虽然实现了垃圾分类，但是存在当垃圾图像较多时，不能对垃圾图像合理的分配处理，导致垃圾分类效率较慢的问题。
[0005]因此探索高效率，低成本的垃圾回收装置尤为重要。
技术实现思路
[0006]目前，现有技术中缺乏探索高效率、低成本的垃圾回收装置。
[0007]为解决上述技术问题，本申请一方面公开了一种基于图像对投递垃圾进行识别、归类的方法，包括下列步骤：S1:获取投递前和投递后的图像并进行预处理；S2:分别对预处理后的投递前图像和投递后图像进行识别，提取出投递前图像上的物品所在区域的坐标集特征和类别特征，提取出投递后图像上的物品所在区域的坐标集特征和类别特征；S3:分别提取投递前图像和投递后图像的物品所在区域的特征；S4：对投递前图像和投递后图像上的特征进行对比，汇总出新增区域和新增类别。
[0008]根据本申请的实施例，步骤S1中，投递前和投递后的图像预处理包括对图像的缩放、明暗的调整和增强、亮度的调整和增强、角度的调整、拉伸变换、线性变换和标准化处理。
[0009]根据本申请的实施例，步骤S2中采用图像实例分割的方法分别将投递前图像和投递后图像上的物品所在区域标识出来；实例分割包括利用深度卷积的方法，得到像素点分布关系的规律，然后利用该规律，将图像内所有完整的物体外形分割出来，物体外形的一系
列边缘点构成一个坐标集，该坐标集完整的描述了该物体外形特征。
[0010]根据本申请的实施例，步骤S3进一步包括：通过卷积层，分别将投递前图像和投递后图像的物品所在区域的特征信息压缩成一个多维的矩阵，从而分别输出投递前图像和投递后图像的物品所在区域的多维特征矩阵。
[0011]根据本申请的实施例，多维特征矩阵包括图像的RGB颜色信息、明暗变化信息和纹理信息。
[0012]根据本申请的实施例，步骤S4还包括以下步骤：
[0013]S41：计算投递前图像和投递后图像的多维特征矩阵的相似度，如果相似度大于阈值，则认为相似度较高，投递后图像上所对比的物品所在区域不是新增区域；如果相似度小于阈值，则认为投递后图像上所对比的物品所在区域为新增区域，新增区域内的物品类别为新增类别；
[0014]S42:如果投递后的物品投递前图像中不存在，则投递后图像中该物品所在区域即为新增区域，该物品类别即为新增类别；
[0015]S43:汇总步骤S41和S42中得出的新增区域和新增类别，得到最终的新增区域和新增类别。
[0016]根据本申请的实施例，步骤S4中的特征包括所述多维特征矩阵、坐标集特征和类别特征。
[0017]根据本申请的实施例，类别特征是基于对常见的纸类、金属、塑料和织物四类生活垃圾精确分类，通过分类器对图像数据输出的分类结果，使其为生活垃圾自动化分类提供支持。
[0018]本申请的另一方面公开了一种电子装置，包括存储器、处理器及存储在存储器上并可在处理器上运行的计算机程序，处理器执行计算机程序时实现如上所述一种基于图像对投递垃圾进行识别、归类的方法的步骤。
[0019]本申请还包括一种非暂态计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现如上所述一种基于图像对投递垃圾进行识别、归类的方法的步骤。
[0020]本专利技术技术方案相对于现有技术的有益效果是：
[0021]1.通过深度学习图片自动比对和分类的方法，实现对新增垃圾投递区域与新增垃圾类别的识别，识别细粒度垃圾类别；相较于传统的方法，本专利技术有更高的效率，以往的方法只能对一张图片进行分类，本申请能同时比对两张图片，发现两张图片的差异之处，再对差异之处进行类别识别。本申请减少了人工垃圾类别标注的成本，杜绝了人为标注造成的输出不稳定和标准不统一的问题，提高了垃圾分类的整体质量和效率。
[0022]2.通过卷积核提取图像中的垃圾特征，相对于传统机器学习而言，特征提取程度更加充分，从而更有利于指导分类工作；通过数据增强，丰富样本特征，能够提高模型健壮性；本方法采用自己搭建的轻量卷积神经网络模型，计算量小，运算速度较快，同时通过大量实验优化调整参数，使得准确率大大提高。
[0023]3.与传统的方法相比，本专利技术对该四类生活垃圾的分类精度更高。本专利技术基于神经卷积网络，通过卷积核对图像的像素信息进行卷积操作，全面提取图像特征，再通过计算特征矩阵的相似度，实现对常见的四种生活垃圾精确分类，使其为生活垃圾自动化分类提
供支持。
附图说明
[0024]图1为本专利技术一种基于图像对投递垃圾进行识别、归类的方法流程框图；
[0025]图2为本专利技术示例中物品类别识别的示意图；
[0026]图3为本专利技术示例中实例分割法的示意图。
具体实施方式：
[0027]下面结合附图和具体实施例对本专利技术作进一步说明。以下实施例用于说明本专利技术，但不用来限制本专利技术的范围。
[0028]图像实例分割是在对象检测的基础上进一步细化，分离对象的前景与背景，实现像素级别的对象分离。所以图像实例分割是基于对象检测的基础上进一步提升。图像实例分割在目标检测、人脸检测、表情识别、医学图像处理与疾病辅助诊断、视频监控与对象跟踪、零售场景的货架空缺识别等场景下均有应用。
[0029]根据图1所示，一种基于图像对投递垃圾进行识别、归类的方法，包括下列步骤：
[0030]S1:获取投递前和投递后的图像并进行预处理；
[0031]S2:分别对预处理后的投递前图像和投递后图像进行识别，提取出本文档来自技高网...
【技术保护点】
【技术特征摘要】
1.一种基于图像对投递垃圾进行识别、归类的方法，其特征在于，包括下列步骤：S1:获取投递前和投递后的图像并进行预处理；S2:分别对预处理后的投递前图像和投递后图像进行识别，提取出投递前图像上的物品所在区域的坐标集特征和类别特征，提取出投递后图像上的物品所在区域的坐标集特征和类别特征；S3:分别提取投递前图像和投递后图像的物品所在区域的特征；S4：对投递前图像和投递后图像上的特征进行对比，汇总出新增区域和新增类别。2.根据权利要求1所述的一种基于图像对投递垃圾进行识别、归类的方法，其特征在于，所述步骤S1中，投递前和投递后的图像预处理包括对图像的缩放、明暗的调整和增强、亮度的调整和增强、角度的调整、拉伸变换、线性变换和标准化处理。3.根据权利要求1所述的一种基于图像对投递垃圾进行识别、归类的方法，其特征在于，所述步骤S2中采用图像实例分割的方法分别将投递前图像和投递后图像上的物品所在区域标识出来；所述实例分割包括利用深度卷积的方法，得到像素点分布关系的规律，然后利用该规律，将图像内所有完整的物体外形分割出来，所述物体外形的一系列边缘点构成一个坐标集，该坐标集完整的描述了该物体外形特征。4.根据权利要求1所述的一种基于图像对投递垃圾进行识别、归类的方法，其特征在于，所述步骤S3进一步包括：通过卷积层，分别将投递前图像和投递后图像的物品所在区域的特征信息压缩成一个多维的矩阵，从而分别输出投递前图像和投递后图像的物品所在区域的多维特征矩阵。5.根据权利要求1所述的一种基于图像对投递垃圾进行识别、归类的方法，其特征在于，所述多维特征矩阵包括图像的RGB颜色信...
【专利技术属性】
技术研发人员：李桂明，
申请(专利权)人：上海悦鲲环保科技有限公司，
类型：发明
国别省市：
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。